基于約束優(yōu)化和動態(tài)優(yōu)化的粒子群算法研究.pdf

1、約束優(yōu)化和動態(tài)優(yōu)化都是優(yōu)化問題的主要研究領域，并且由于實際約束優(yōu)化問題和動態(tài)優(yōu)化問題非常復雜、困難，在實際應用中也非常普遍，所以解決約束優(yōu)化和動態(tài)優(yōu)化問題是非常有實際意義和科研價值的課題。用基于群智能的優(yōu)化算法來求解這兩類問題顯示出其較好的性能，取得了很好的研究成果。
　　 模擬生物界中鳥類、魚類覓食行為的粒子群優(yōu)化算法（PSO）簡單有效，同時在解決單目標優(yōu)化問題時表現(xiàn)出來的良好特性顯示出該算法也非常適合求解約束優(yōu)化問題和動態(tài)優(yōu)

2、化問題。在吸取已有成果的基礎上，本文著力于基于約束優(yōu)化和動態(tài)優(yōu)化的改進的粒子群算法的研究。本文的主要工作有：
　　 1.針對約束優(yōu)化問題，提出了一種改進的粒子群算法（IPSO）。IPSO采用了一種新型的變異策略，變異概率隨著算法的運行是動態(tài)變化的：在算法運行初期，變異概率大，其目的是使算法不但能夠探測到目標空間中的孤立區(qū)域，而且避免搜索陷入局部極值；在算法運行后期，變異概率逐漸變小，以減少對粒子的擾動；算法通過將部分具有鄰近距離

3、的粒子聚集成核形成多子群引導種群中粒子的飛行；采用一個簡單的基于粒子與可行域邊界最遠距離的罰函數(shù)處理約束的機制，使得算法高效實現(xiàn)。實驗中，本文采用一系列標準的測試函數(shù)對其進行測試，結果表明，IPSO能夠有效地穩(wěn)定地求解約束優(yōu)化問題。
　　 2.針對Sphere函數(shù)構造的動態(tài)優(yōu)化問題，提出了改進的PSO算法-PSO，該算法采用隨機的慣性權重 值以及IPSO中采用的動態(tài)變異策略，具有追蹤能力強的特點，通過線性模型、環(huán)形模型和隨機模型

4、的實驗，結果表明采用-PSO解決此類動態(tài)優(yōu)化問題是十分有效的。
　　 3.針對DF1函數(shù)生成器產(chǎn)生的多峰動態(tài)問題，提出了動態(tài)的改進的PSO算法DIPSO。該算法是IPSO的動態(tài)版本，沿用了IPSO的動態(tài)變異策略、多子種群策略，在算法運行的過程中分別對環(huán)境進行參數(shù)設定型動態(tài)變化和混沌模型動態(tài)變化，利用多子種群分別對多個峰進行搜索，很好地實現(xiàn)了算法的追蹤性能；對全局最優(yōu)粒子進行實時跟蹤，利用其適應度值的變化來發(fā)現(xiàn)環(huán)境的改變，并以此來