粒子群算法的研究及其应用

摘 要 粒子群优化算法是一种启发式的搜索技术，模拟鸟群的觅食行为。该算法具备通用性强，原理简单，容易实现，协同搜索等优点。但是算法同时还存在局部搜索能力较差，容易陷入局部极小值解，理论不完善等不足。本文针对PSO缺点和多目标优化的特点，提出了一些新的机制和策略，改进了基本粒子群得优化算法。将改进后的粒子群优化算法应用于多目标优化问题，本文取得的主要研究成果如下： (1)?? 在研究经典粒子群理论的基础上，深入研究了其改进算法。 (2)???? 在粒子群优化算法中运用Pareto的非支配思想，引入锦标赛规则以及拥挤距离选择技术，改进传统的粒子更新规则，以适应多目标优化问题的求解，提高了粒子群算法的搜索效率。 (3)???? 用粒子群算法作为理论进行聚类的MATLAB仿真，并给出了相关程序。 关键词：粒子群；多目标优化；拥挤距离 ??? 目 录摘 要??? 2Abstract??? 3第一章? 绪论??? 41.1? 研究的背景和意义??? 41.2? 多目标粒子群优化算法的研究现状??? 51.3? 论文的主要内容??? 8第二章? 基本粒子群算法的原理??? 92.1? 基本粒子群算法??? 92.2? 带惯性权重的粒子群算法??? 112.2.1? 一般惯性因子的设计??? 112.2.2 基于模糊系统的惯性因子的动态调整??? 142.3? 带收缩因子的粒子群算法??? 15第三章? 多目标粒子群算法??? 173.1? 多目标粒子群算法??? 173.2? 动态多目标粒子群算法??? 193.2.1? 多目标粒子群算法的改进??? 193.2.2? 动态多目标粒子群算法步骤描述??? 223.2.3? 算法评价准则??? 233.3? 测试函数和结果分析??? 23第四章? 粒子群算法的聚类应用分析??? 274.1? 粒子群算法聚类理论基础??? 274.2? 粒子群算法聚类实现步骤??? 294.3? 粒子群算法聚类主要代码??? 30第五章? 结论??? 34参考文献??? 35 论文的主要内容 本论文是在研究经典粒子群理论以及多目标粒子群算法理论的优点和缺点的基础上，对粒子群算法的应用领域范围进行了学习，最后，学习了基于MATLAB的粒子群算法工具箱的应用，并且根据工具箱中的函数功能进行了MATLAB语言的粒子群算法聚类编程。本文的主要结构如下： 第一章是绪论，介绍了本文的研究背景以及研究意义，最优化的相关概念，多目标粒子群的研究的国内外现状。最后介绍了本文各章节的内容。 第二章对经典的粒子群算法的原理进行了描述与分析，在此基础上研究了几种基于经典粒子群算法的改进算法，如带惯性权重的粒子群算法，带收缩因子的粒子群算法，并将粒子群算法及其改进算法与其他流行的智能算法进行了比较。 第三章主要对多目标优化基础上产生的多目标粒子群算法及其动态多目标粒子群算法的有关原理进行了研究。 第四章根据前文的研究成果，基于MATLAB软件平台对粒子群工具包进行了学习以及仿真，最后对基于粒子群算法的数字聚类MATLAB程序进行了开发。 第五章是结论，总结了全文所做的工作，并且对未来的工作进行了展望。