基于動態(tài)策略的粒子群優(yōu)化算法研究.pdf

1、粒子群優(yōu)化算法PSO是一種基于群智能的優(yōu)化方法。該算法受啟發(fā)于社會心理學(xué)和人工生命中的相關(guān)觀點，模仿個體之間的社會交互，即現(xiàn)實社會中個體模仿周圍更成功個體行為的方式。由于其收斂快、計算代價低和易于實現(xiàn)等特點，目前已經(jīng)成為智能計算領(lǐng)域的研究熱點。一些改進算法在某些問題上或某個領(lǐng)域內(nèi)得到了成功應(yīng)用，但其應(yīng)用范圍仍然有限。如果要獲得更好的效果，PSO的應(yīng)用人員必須根據(jù)具體問題，在原始的算法模型上進行適當(dāng)?shù)呐渲?。針對這一問題，本論文嘗試設(shè)計采用

2、動態(tài)策略的粒子群優(yōu)化算法，使之能夠根據(jù)具體問題自適應(yīng)調(diào)整解的搜索過程，從而不用手動配置就能達(dá)到比較理想的效果。 本文通過歸納PSO在具體應(yīng)用中的設(shè)計方法，構(gòu)造了一個基本的算法設(shè)計框架，并綜合現(xiàn)有研究成果對其進行優(yōu)化。優(yōu)化的算法設(shè)計框架為將來的算法應(yīng)用和研究工作提供了一個更高的平臺，本論文以下的工作也基于此平臺展開。設(shè)計了基于動態(tài)記憶策略的粒子群優(yōu)化算法DMPSO。由于PSO算法模仿社會規(guī)范的涌現(xiàn)過程，本文從社會現(xiàn)象入手，借鑒社會

3、心理學(xué)思想，研究個體記憶對個體行為的影響，提出了個體記憶貢獻度的概念，并給出了幾種可供選擇的度量方法?；趥€體記憶貢獻度的值動態(tài)地為每個粒子的個體記憶賦予相應(yīng)權(quán)重，實現(xiàn)了DMPSO。在測試函數(shù)上的實驗結(jié)果顯示該算法能夠有效地根據(jù)不同問題自適應(yīng)地調(diào)整每個粒子的個體記憶權(quán)重。提出了基于動態(tài)鄰域策略的粒子群優(yōu)化算法DNPSO和IDNPSO。系統(tǒng)地分析了PSO算法中的鄰域結(jié)構(gòu)及其對算法性能的影響之后，發(fā)現(xiàn)對于不同的問題，適用的鄰域拓?fù)湟膊幌嗤?/p>