基于粒子群的混合算法求解函數(shù)優(yōu)化問題.pdf

1、群體智能是研究基于群體行為模型的計算建模和實現(xiàn)的方法.如今,群體智能已經(jīng)成為現(xiàn)代智能領域的主要研究熱點,正日益受到更多人的關注和使用.隨著大量的、新的、高效的群體行為模型的建立,群體智能的方法將會在更多的實際問題中發(fā)揮它應有的價值.
　　 本文系統(tǒng)全面地介紹了群體智能中的兩個典型范例,即粒子群優(yōu)化算法和人工魚群算法.這些方法通過“擬物”和“仿生”,為解決無約束非線性函數(shù)優(yōu)化計算提供了新的方法和途徑.
　　 通過對粒子群算

2、法的各參數(shù)進行分析,首先提出了一種改進的粒子群算法,該算法針對慣性權重和兩個學習因子進行改進,同時為了增加粒子的多樣性引入了遺傳交叉因子,來提高算法的收斂性能.然后提出一種將改進的粒子群算法與Powell算法結合的混合算法,該混合算法將改進的粒子群算法所得結果作為Powell算法的初始解進行局部尋優(yōu),改進了粒子群算法后期收斂速度慢、精度不高的缺點.通過對多個函數(shù)進行測試,驗證了本文算法在求解無約束非線性函數(shù)優(yōu)化問題時的有效性.