微粒群優(yōu)化算法的改進(jìn)與應(yīng)用.pdf

1、如今，隨著計算機(jī)科學(xué)與技術(shù)的迅速發(fā)展，人類生存空間的擴(kuò)大以及認(rèn)識與改造世界范圍的拓寬，人們對科學(xué)技術(shù)提出了新的和更高的要求，其中高效的優(yōu)化技術(shù)和智能計算的要求日益迫切。微粒群優(yōu)化算法是一種新興的智能優(yōu)化算法，其概念簡單實(shí)現(xiàn)容易，自從kennedy和Eberhart于1995年提出以來，在短短幾年之內(nèi)便獲得了很大的發(fā)展，并在一些領(lǐng)域獲得了成功應(yīng)用。微粒群優(yōu)化算法具有較強(qiáng)的全局搜索能力，但同時也有易陷入局部極值的缺點(diǎn)。本文主要研究了微粒群優(yōu)

2、化算法的改進(jìn)與應(yīng)用，并進(jìn)行了仿真研究。主要研究內(nèi)容如下： 模擬退火算法具有較強(qiáng)的局部搜索能力，并能避免陷入局部最優(yōu)解，但它的全局搜索能力不強(qiáng)。本文將微粒群優(yōu)化算法和模擬退火算法結(jié)合，提出一種基于模擬退火的微粒群優(yōu)化算法。該算法能克服微粒群優(yōu)化算法容易陷入局部極值的缺點(diǎn)，且不斷縮小優(yōu)化變量的搜索空間，有較高的搜索效率。應(yīng)用該算法對測試函數(shù)進(jìn)行優(yōu)化計算，得到了滿意的效果。 對旅行商問題、車輛路徑問題、物流配送中心選

3、址問題這三種受約束的、離散的組合優(yōu)化問題，本文采用微粒群優(yōu)化算法分別進(jìn)行了應(yīng)用研究。 對微粒群優(yōu)化算法的速度位置算式進(jìn)行了改進(jìn)，提出一種改進(jìn)的微粒群優(yōu)化算法，該算法符合組合優(yōu)化問題的特點(diǎn)，在求解旅行商問題上有較高的搜索效率。將此 改進(jìn)微粒群優(yōu)化算法分別應(yīng)用于14個點(diǎn)的TSP問題以及中國旅行商問題中，都在較短時間內(nèi)獲得了目前已知的最好解。 設(shè)計了求解車輛路徑問題的一種新的實(shí)數(shù)編碼方案，將車輛路徑問題轉(zhuǎn)化成準(zhǔn)連續(xù)優(yōu)化問

4、題，并采用罰函數(shù)法處理約束條件。應(yīng)用該微粒群優(yōu)化算法求解了多個車輛路徑問題的算例，并與遺傳算法和雙種群遺傳算法進(jìn)行了比較。計算結(jié)果表明，該算法可以更有效地求得車輛路徑問題的優(yōu)化解，是解決車輛路徑問題的有效方法。 構(gòu)造了微粒表達(dá)方法，提出了物流配送中心選址問題的一種混合微粒群優(yōu)化算法。通過整數(shù)規(guī)范化，微粒群能在整數(shù)空間內(nèi)對問題進(jìn)行優(yōu)化求解。該算法能克服基本微粒群優(yōu)化算法精度較低，易發(fā)散的缺點(diǎn)，有較高的搜索效率。實(shí)驗仿真證明了該算法