混合粒子群算法改进及应用研究

发布时间：2025-06-24 03:38

　　在工程科学中有很多实际应用问题都可以转化成最优化问题进行求解,粒子群优化算法不需要建立详细的数学模型,而是通过模拟鸟群觅食行为过程的一种智能算法,来实现复杂问题的优化解决方案。它结构简单、参数少、容易实现,收敛速度较快。但粒子群算法容易陷入早熟收敛而找不到最优解,存在收敛后期种群多样性较差的不足。因此深入研究粒子群算法的改进及其应用有很好的现实意义。本文主要研究工作如下:首先,介绍了粒子群的寻优过程、参数设置和几种常见的改进粒子群,分析粒子群的收敛原理;并且针对粒子群存在容易早熟收敛的问题,结合天牛须算法和简化粒子群算法,将陷入局部极值的粒子进行步长跳跃,跳出的粒子作为新的信息源使其他粒子重新学习,构建一种基于天牛须步长跳跃的改进粒子群算法,提高算法精度。其次,使用混沌策略初始化种群,结合蛙跳算法中的差异性分组,利用量子粒子群可以全局搜索的特点,构建一种基于蛙跳策略的混沌量子粒子群算法,算法加强了粒子间的信息交互,改善搜索后期种群多样性较差,易陷入局部极值的情况;为了进一步提高改进粒子群的收敛速度,又结合简化粒子群构建一种基于蛙跳策略的混沌简化粒子群算法;使用经典测试函数,利用MATLA...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图１ＭＤＥ算法变异参数实验

，等：????????????????????????????????????????????????????一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用·２２９·为了研究变异因子对算法的性能影响，变异因子Ｆ分别取值０．１，０．５，０．７，１．５，２。图１、图２、图....

图２ＦＭＤＥ算法变异参数实验

???????????????????????????????????????????一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用·２２９·为了研究变异因子对算法的性能影响，变异因子Ｆ分别取值０．１，０．５，０．７，１．５，２。图１、图２、图３分别展示了ＭＤＥ、ＦＭ....

图３ＰＳＯ＿ＦＭＤＥ算法变异参数实验

??????????????????????????一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用·２２９·为了研究变异因子对算法的性能影响，变异因子Ｆ分别取值０．１，０．５，０．７，１．５，２。图１、图２、图３分别展示了ＭＤＥ、ＦＭＤＥ、ＰＳＯ＿ＦＭＤＥ三种算法在不....

图3-2测试函

第3章基于混沌蛙跳的改进粒子群算法25a)Sphere函数b)Schwfel1.2函数c)Sumofpower函数d)Rosenbrock函数e)Schwefel函数f)Rastrigin函数g)Ackley函数h)Griewank函数图3-2测试函数的三维图像

本文编号：4052429