發(fā)布時間：2024-06-15 00:15

　　全局優(yōu)化問題滲透于生活各個方面,求解該問題的有效方法層現(xiàn)疊出。多個局部最優(yōu)解的存在是求解全局優(yōu)化問題的一個難點,而傳統(tǒng)的優(yōu)化方法難以取得好的求解效果,智能算法的提出很好地解決了該難點,粒子群算法由于其易實現(xiàn)和計算快速等優(yōu)點,已廣泛應用于求解此類問題。由于問題的多極值、高維等特性,粒子群算法在進化后期容易陷入局部最優(yōu)。因此,研究可避免算法陷入局部最優(yōu)解行之有效且更加高效的方法具有理論意義和現(xiàn)實意義。本文針對粒子群算法在求解存在多個局部最優(yōu)解的全局優(yōu)化問題時容易陷入局部最優(yōu)的缺陷,引入了跳出局部最優(yōu)解的機制。在粒子群算法框架的基礎上,融合填充函數(shù)法可跳出局部最優(yōu)的優(yōu)點,提出了基于改進的填充函數(shù)法和粒子群算法的混合算法。首先,對于填充函數(shù)法,構造了一類新的形式簡單、不含指數(shù)項的單參數(shù)填充函數(shù),該函數(shù)無需進行多個參數(shù)的繁瑣調節(jié)過程,防止了由于指數(shù)項存在可能導致原問題的最優(yōu)點丟失,同時該函數(shù)連續(xù)可微,且理論上證明了函數(shù)具有良好的解析性質;鑒于選擇更優(yōu)的初始點能夠加強局部搜索的思想,設計了一個新的帶有均勻策略的局部搜索方法;基于以上兩點,提出了一種改進的填充函數(shù)算法,并通過數(shù)值實驗說明了算法的有效...

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖2.8問題2的函數(shù)圖像

圖2.8問題2的函數(shù)圖像3（二維函數(shù)）..010,1,20.05,0.2,0.5min()[12sin(4)][0.5sin(2)]2212221stxicfxxcxxxxi的c，全局最優(yōu)值均為()0*fx。4（Six-humpback....

圖3.1單個粒子移動原理

圖3.1單個粒子移動原理圖3.1中可知，粒子群算法的每個粒子是通過當前位置、當前速度、個體最優(yōu)優(yōu)這四個信息的相互協(xié)調的作用下進行位置更新。粒子群算法在搜索過程中，粒子通過跟蹤個體最優(yōu)位置和鄰近的最優(yōu)位置信息更新粒子的位置與速度，因此算法很難保持開發(fā)（Exploration....

圖3.2AFIPSO算法流程圖

圖3.2AFIPSO算法流程圖AFIPSO的混合算法設計思想粒子的更新公式，該算法依據(jù)所得的目標函入動態(tài)調整飛行時間改進了粒子更新位置與況。AFIPSO算法同標準PSO算法，都是依也主要是依靠粒子之間相互合作與相互制衡等性質的目標函數(shù)，會限制算法的尋優(yōu)能力并沒有嚴格....

圖3.3算法3.1的流程圖

西安科技大學碩士學位論文32算法3.1的流程圖見圖3.3：圖3.3算法3.1的流程圖3.3數(shù)值實驗及分析為了考察IPSO的性能，設計了2組實驗：（1）選擇兩個典型的二維基準測試函數(shù)進行實驗，并與標準PSO[8]、AFIPSO[39]進行對比，以驗證IP....

本文編號：3994631