粒子群優(yōu)化算法的理論分析與應用研究.pdf

1、華中科技大學博士學位論文粒子群優(yōu)化算法的理論分析與應用研究姓名：李寧申請學位級別：博士專業(yè)：控制理論與控制工程指導教師：孫德寶20060331華 中 科 技 大 學 博 士 學 位 論 文 II 算法的思路則是源于對社會的觀察， 通過增加一些其它的影響力， 來減少因粒子群一直跟隨 gBest 變化而陷入局部最優(yōu)的機會。為檢驗改進算法的性能，本文在自主開發(fā)的測試平臺上對一系列測試函數(shù)進行了大規(guī)模計算實驗。 首先對各改

2、進算法的參數(shù)敏感性作了分析測試， 然后對各改進算法的計算性能進行了對比分析測試和討論， 最后結(jié)合理論和實驗所得的統(tǒng)計結(jié)果驗證了改進算法的有效性和實用價值。 并通過旋轉(zhuǎn)衛(wèi)星艙布局優(yōu)化的實例對 MuPSO1 算法的性能進行了進一步的證實。 以典型的組合問題帶時間窗車輛路徑問題作為研究對象， 研究將 PSO 算法應用于組合優(yōu)化的問題。 根據(jù)車輛路徑問題的特點，提出了一種合適的粒子表達方式，將多數(shù)約束包含在粒子表達方式中， 大大減少不可行解的數(shù)

3、量， 使得不可行解的可行化計算過程簡化，并通過幾個實驗證明了該表達方式的合理性和有效性。還討論了將 PSO 算法應用于組合優(yōu)化問題中必須考慮的問題，和一些值得注意的處理方法。 將粒子群的思路引入多目標優(yōu)化中，提出了一種基于粒子群的多目標優(yōu)化算法。將算法已獲得的非劣解粒子集合作為精英集， 粒子在迭代過程中隨機選取精英集中粒子作為 gBest，粒子群體通過追隨它們來尋找 Pareto 非劣解集，并利用小生境技術來篩選精英集中的粒子， 從而保