一类改进填充函数法及混合优化算法的研究

发布时间：2024-06-15 00:15

　　全局优化问题渗透于生活各个方面,求解该问题的有效方法层现叠出。多个局部最优解的存在是求解全局优化问题的一个难点,而传统的优化方法难以取得好的求解效果,智能算法的提出很好地解决了该难点,粒子群算法由于其易实现和计算快速等优点,已广泛应用于求解此类问题。由于问题的多极值、高维等特性,粒子群算法在进化后期容易陷入局部最优。因此,研究可避免算法陷入局部最优解行之有效且更加高效的方法具有理论意义和现实意义。本文针对粒子群算法在求解存在多个局部最优解的全局优化问题时容易陷入局部最优的缺陷,引入了跳出局部最优解的机制。在粒子群算法框架的基础上,融合填充函数法可跳出局部最优的优点,提出了基于改进的填充函数法和粒子群算法的混合算法。首先,对于填充函数法,构造了一类新的形式简单、不含指数项的单参数填充函数,该函数无需进行多个参数的繁琐调节过程,防止了由于指数项存在可能导致原问题的最优点丢失,同时该函数连续可微,且理论上证明了函数具有良好的解析性质;鉴于选择更优的初始点能够加强局部搜索的思想,设计了一个新的带有均匀策略的局部搜索方法;基于以上两点,提出了一种改进的填充函数算法,并通过数值实验说明了算法的有效...

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

图2.8问题2的函数图像

图2.8问题2的函数图像3（二维函数）..010,1,20.05,0.2,0.5min()[12sin(4)][0.5sin(2)]2212221stxicfxxcxxxxi的c，全局最优值均为()0*fx。4（Six-humpback....

图3.1单个粒子移动原理

图3.1单个粒子移动原理图3.1中可知，粒子群算法的每个粒子是通过当前位置、当前速度、个体最优优这四个信息的相互协调的作用下进行位置更新。粒子群算法在搜索过程中，粒子通过跟踪个体最优位置和邻近的最优位置信息更新粒子的位置与速度，因此算法很难保持开发（Exploration....

图3.2AFIPSO算法流程图

图3.2AFIPSO算法流程图AFIPSO的混合算法设计思想粒子的更新公式，该算法依据所得的目标函入动态调整飞行时间改进了粒子更新位置与况。AFIPSO算法同标准PSO算法，都是依也主要是依靠粒子之间相互合作与相互制衡等性质的目标函数，会限制算法的寻优能力并没有严格....

图3.3算法3.1的流程图

西安科技大学硕士学位论文32算法3.1的流程图见图3.3：图3.3算法3.1的流程图3.3数值实验及分析为了考察IPSO的性能，设计了2组实验：（1）选择两个典型的二维基准测试函数进行实验，并与标准PSO[8]、AFIPSO[39]进行对比，以验证IP....

本文编号：3994631