基于擾動項的粒子群優(yōu)化算法的研究.pdf

1、粒子群優(yōu)化算法(Particle Swarm Optimizer,PSO)是一種基于群智能方法的優(yōu)化計算技術。相對于其它進化算法,PSO算法的概念和參數(shù)設置都很簡單,易于實現(xiàn),收斂速度快,具有較強的全局搜索能力。但是PSO在搜索過程中,種群容易失去多樣性,從而陷入局部極小點。本文主要通過在粒子更新公式中加入擾動項來改進種群多樣性從而提高PSO的搜索性能。本文主要工作包括:
　　 (1)提出基于擾動項的混合粒子群優(yōu)化算法。該算法是

2、在粒子群粒子失去多樣性時,通過將在包含粒子群的超球外的隨機粒子引入粒子更新公式來對粒子群中的粒子進行干擾,通過外力盡量使粒子群以一定的程度散開,從而增加了粒子群的多樣性,擴大了解空間。實驗結果表明,該算法一定程度增加了粒子群粒子的多樣性,在函數(shù)逼近和尋優(yōu)方面具有很好的性能。
　　 (2)提出基于擾動項和梯度下降的混合粒子群優(yōu)化算法。該算法將隨機搜索與確定搜索結合起來進行搜索。在粒子群粒子失去多樣性時,將加入擾動項的隨機搜索和加入