自适应粒子群算法研究及其在多目标优化中应用.pdf

目录 第一章绪论 随着人类生存空间的扩大，以及认识世界和改造世界范围的拓宽，现实中碰到的许 多科学、工程和经济问题呈复杂化、多极化、非线性等特点，这就使得高校的优化技术和 智能计算成为迫切要求。 经典的优化算法通常采用局部有哪些信誉好的足球投注网站方法，它们一般与特定问题相关或是局部有哪些信誉好的足球投注网站方 法的变形，适用于求解小规模且定义明确的问题。而实际工程问题一般规模较大，寻找一 种适合于大规模并且局域智能特征的算法已成为人们研究的目标和方向。 二十世纪八十年代以来，涌现了很多新颖的优化算法，如：混沌算法、遗传算法 GA （GeneticAlgorithm ）、 蚁 群 算 法 ACA （AntColonyAlgorithm ）、 粒 子 群 算 法 PSO （ParticleSwarmOptimization ）和模拟退火算法 SA （）等。它们通过模拟某些自然现象 的发展过程而来，为解决复杂问题提供了新的思路和手段。由于这些算法构造直观且符合 自然机理，因而被称为智能优化算法（） 。 1.1 本文的。。。。。 智能优化算法是通过模拟某些自然现象的发展过程而形成的算法，以结构化和随机化 的有哪些信誉好的足球投注网站策略实现算法的优化过程，常用于大规模的并行计算。智能优化算法提出后受到了 人们的重视， 其中遗传算法、 蚁群算法、 粒子群算法作为三种典型智能算法得到迅速发展。 （见智能优化算法及应用 P1 页） 智能优化算法是通过模拟或揭示某些自然现象或过程发展而来的，与普通的有哪些信誉好的足球投注网站算法 一样都是迭代算法，对问题的数学描述不要求满足可微性、凸性等条件，是以一组解（种 群）为迭代的初始值，将问题的参数进行编码，映射为可进行启发式操作的数据结构。算 法仅用到优化的目标函数值的信息，不必用到目标函数的倒数信息，有哪些信誉好的足球投注网站策略是结构化和 随机化的（概率型） ，其优点是：具有全局的、并行的优化性能，鲁棒性、通用性强等。 智能优化算法的使用范围非常广泛，特别适用大规模的并行计算。 智能优化算法的应用范围广泛，特别适用于大规模的并行计算。通过研究，人们先后 提出了多种智能优化算法，其中遗传算法、蚁群算法、粒子群算法较为典型。 1、遗传算法（见粒子群算法及应用 P5） 1975 年，Holland [] 提出了遗传算法， 它是由自然界的进化而得到启发的一种有效解决 最优化问题的方法。遗传算法是一种全局范围的探索过程，在解决复杂问题中它常常能够 寻找到最优解的附近区域。每个染色体个体代表一个潜在解，在利用此算法求解前，需对 染色体进行二进制编码，然后通过选择、交叉和变异三个步骤进行进化，解随着进化而得 到改善。 1）选择运算：以一定概率从种群中选择若干个体的操作。选择运算的目的是为了从 当前群体中选出优良的个体，使它们有机会作为父代繁殖后代子孙。判断个体优劣的准则 是个体的适应度值。选择运算模拟了达尔文试着生存、优胜劣汰原则，个体适应度越高， 被选择的机会就越大。 2 ）交叉运算：两个染色体之间通过交叉而重组形成新的染色体，相当于生物进化过 程中有性繁殖的基因重组过程。 3 ）变异运算：染色体的某一基因发生变化，从而产生新的染色体，表现出新的性状。 变异运算模拟了生物进化过程中的基因突变方法，将某个染色体上的基因变异为其等位基 因。 遗传算法作为一种重要的智能优化算法， 发展至今已较为成熟， 广泛应用于各个领域。 算法有哪些信誉好的足球投注网站从群体出发，具有潜在的并行性；且交叉和变异的过程能有效避免早熟现象，鲁 棒性强；有哪些信誉好的足球投注网站使用评价函数启发，使用概率机制进行迭代，具有随机性、可扩展性、容易 与其他算法结合的优点。 但是遗传算法对于系统中的反馈信息利用不够，当求解到一定范围时往往做大量无谓 的冗余迭代，求精确解效率低。 2、蚁群算法 （见智能优化算法及应用 P121 页） 蚁群算法是最近几年才提出的一种新型的智能优化算法， 是对真实蚂蚁的觅食过程的 抽 象 继 承 与 改 进 ， 最 早 成 功 应 用 于 解 决 着 名 的 旅 行 商 问 题 TSP （TravelingSalesmanProblem ）。