基于蚁群寻优策略的微粒群算法的研究及应用

发布时间：2020-05-20 13:03

【摘要】：微粒群算法(PSO)是一种具有全局收敛能力的智能优化算法,它是模拟鸟群觅食而得到的仿生优化算法。该算法主要通过粒子间的相互合作和竞争来进行迭代寻优,微粒群算法具有算法结构简单、易于理解、需调节的参数少等特点,备受广大优化领域学者的青睐,有着广阔的应用前景。针对算法在迭代寻优过程中出现“振荡”现象以及算法寻优后期陷入局部最优的缺陷,引入了自适应机制到惯性权重中来提高算法的启发性,以平衡算法的全局寻优和局部寻优能力;引入飞行时间机制到位置迭代公式来减少粒子在全局最优解附近的“振荡”。针对算法在运行后期出现的早熟收敛的缺陷,将蚁群算法基于信息素表选择机制融合到基本的微粒群算法中,以提高粒子的多样性差异,改善算法跳出局部最优的能力。通过以上改进,从而提出了一种基于蚁群寻优策略的微粒群算法。为验证改进算法的有效性,将基于蚁群寻优策略的微粒群算法应用于函数测试中,实验结果表明,该算法具有较高的求解精度且收敛速度有所提高。最后以车辆路径优化问题为应用对象,将基于蚁群寻优策略的微粒群算法应用于车辆路径优化问题中,实验结果表明,改进的微粒群算法在车辆路径优化问题求解方面收到了较好的收敛效果。
【图文】：

(A》小鸟在空间零散搜素

(B)小鸟在好消息指引下调整位置
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18

【参考文献】

相关期刊论文 前10条

1 何文玲;倪郁东;汪婷婷;;基于混合行为蚁群算法的车辆路径问题[J];合肥工业大学学报(自然科学版);2014年07期

2 马超;邓超;熊尧;吴军;;一种基于混合遗传和粒子群的智能优化算法[J];计算机研究与发展;2013年11期

3 常洪浩;冯祖仁;张兆军;徐明钊;;一种智能优化算法解质量评价方法[J];控制与决策;2013年11期

4 胡欣欣;尹义龙;;求解连续函数优化问题的合作协同进化布谷鸟搜索算法[J];模式识别与人工智能;2013年11期

5 黄震;;混合量子粒子群算法求解车辆路径问题[J];计算机工程与应用;2013年24期

6 万建臣;靳宗信;;多峰值函数优化问题的免疫遗传算法求解[J];电子科技大学学报;2013年05期

7 朱俊;李芳;王丽芳;;基于蚁群算法的多功能车辆周期扫描表的优化设计[J];铁道学报;2013年07期

8 李积英;党建武;;基于量子空间的蚁群算法及应用[J];系统工程与电子技术;2013年10期

9 王洪峰;王娜;汪定伟;;一种求解动态多峰优化问题的Memetic粒子群算法[J];系统工程理论与实践;2013年06期

10 熊浩;符卓;鄢慧丽;;动态车辆路径问题的隐分区灵活分批策略[J];同济大学学报(自然科学版);2013年05期

，

本文编号：2672660