全局優(yōu)化問題滲透于生活各個(gè)方面,求解該問題的有效方法層現(xiàn)疊出。多個(gè)局部最優(yōu)解的存在是求解全局優(yōu)化問題的一個(gè)難點(diǎn),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(diǎn),粒子群算法由于其易實(shí)現(xiàn)和計(jì)算快速等優(yōu)點(diǎn),已廣泛應(yīng)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(jìn)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(shí)意義。本文針對(duì)粒子群算法在求解存在多個(gè)局部最優(yōu)解的全局優(yōu)化問題時(shí)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(jī)制。在粒子群算法框架的基礎(chǔ)上,融合填充函數(shù)法可跳出局部最優(yōu)的優(yōu)點(diǎn),提出了基于改進(jìn)的填充函數(shù)法和粒子群算法的混合算法。首先,對(duì)于填充函數(shù)法,構(gòu)造了一類新的形式簡單、不含指數(shù)項(xiàng)的單參數(shù)填充函數(shù),該函數(shù)無需進(jìn)行多個(gè)參數(shù)的繁瑣調(diào)節(jié)過程,防止了由于指數(shù)項(xiàng)存在可能導(dǎo)致原問題的最優(yōu)點(diǎn)丟失,同時(shí)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(zhì);鑒于選擇更優(yōu)的初始點(diǎn)能夠加強(qiáng)局部搜索的思想,設(shè)計(jì)了一個(gè)新的帶有均勻策略的局部搜索方法;基于以上兩點(diǎn),提出了一種改進(jìn)的填充函數(shù)算法,并通過數(shù)值實(shí)驗(yàn)說明了算法的有效...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)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(gè)粒子移動(dòng)原理

圖3.1單個(gè)粒子移動(dòng)原理圖3.1中可知，粒子群算法的每個(gè)粒子是通過當(dāng)前位置、當(dāng)前速度、個(gè)體最優(yōu)優(yōu)這四個(gè)信息的相互協(xié)調(diào)的作用下進(jìn)行位置更新。粒子群算法在搜索過程中，粒子通過跟蹤個(gè)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(shè)計(jì)思想粒子的更新公式，該算法依據(jù)所得的目標(biāo)函入動(dòng)態(tài)調(diào)整飛行時(shí)間改進(jìn)了粒子更新位置與況。AFIPSO算法同標(biāo)準(zhǔn)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(zhì)的目標(biāo)函數(shù)，會(huì)限制算法的尋優(yōu)能力并沒有嚴(yán)格....

圖3.3算法3.1的流程圖

西安科技大學(xué)碩士學(xué)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(shí)驗(yàn)及分析為了考察IPSO的性能，設(shè)計(jì)了2組實(shí)驗(yàn)：（1）選擇兩個(gè)典型的二維基準(zhǔn)測試函數(shù)進(jìn)行實(shí)驗(yàn)，并與標(biāo)準(zhǔn)PSO[8]、AFIPSO[39]進(jìn)行對(duì)比，以驗(yàn)證IP....

本文編號(hào)：3994631