資源描述：
《基于改進(jìn)PSO算法的Rosenbrock函數(shù)優(yōu)化問題的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第４０卷第９期計(jì)算機(jī)科學(xué)Ｖｏｌ．４０Ｎｏ．９２０１３年９月ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＳｅｐ２０１３基于改進(jìn)ＰＳＯ算法的Ｒｏｓｅｎｂｒｏｃｋ函數(shù)優(yōu)化問題的研究邵鵬吳志?。ㄎ錆h大學(xué)計(jì)算機(jī)學(xué)院武漢４３００７２）（武漢大學(xué)軟件工程國家重點(diǎn)實(shí)驗(yàn)室武漢４３００７２）摘要Ｒｏｓｅｎｂｒｏｃｋ函數(shù)優(yōu)化屬于無約束函數(shù)優(yōu)化問題，其全局極小值位于一條平滑而狹長的拋物線形狀的山谷底部，且為優(yōu)化算法提供的信息很少，因此找到其全局極小值就顯得很困難。根據(jù)Ｒｏｓｅｎｂｒｏｃｋ函數(shù)的這種特性，專門提出了一種改進(jìn)的ＰＳＯ算法（ＰＳ
2、Ｏ－Ｒ），該算法引入三角函數(shù)因子，利用三角函數(shù)具有的周期振蕩性，使每個(gè)粒子獲得較強(qiáng)的振蕩性，擴(kuò)大每個(gè)粒子的搜索空間，引導(dǎo)粒子向全局極小值附近靠近，避免算法過早地收斂，陷入局部最優(yōu)，從而找到Ｒｏｓｅｎｂｒｏｃｋ函數(shù)的全局極小值。大量實(shí)驗(yàn)結(jié)果表明，該算法具有很好的優(yōu)化性能，為某些領(lǐng)域某些特定的類似于Ｒｏｓｅｎｂｒｏｃｋ函數(shù)的優(yōu)化問題提供了一種新的思路。關(guān)鍵詞無約束優(yōu)化，Ｒｏｓｅｎｂｒｏｃｋ函數(shù)，粒子群算法，三角函數(shù)因子中圖法分類號ＴＰ１８文獻(xiàn)標(biāo)識碼ＡＲｏｓｅｎｂｒｏｃｋＦｕｎｃｔｉｏｎＯｐｔｉｍｉｚａｔｉ
3、ｏｎＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍＳＨＡＯＰｅｎｇＷＵＺｈｉ－ｊｉａｎ（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）（ＳｔａｔｅＫｅｙＬａｂｏｆＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＲｏｓｅｎｂｒｏｃｋｆｕｎｃｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎｂｅｌｏｎｇｓｔｏｕｎｃｏｎｓｔｒａｉｎｅｄｏｐｔｉ
4、ｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓ，ａｎｄｉｔｓｇｌｏｂａｌｍｉｎｉｍｕｍｖａｌｕｅｉｓｌｏｃａｔｅｄｉｎｔｈｅｂｏｔｔｏｍｏｆａｓｍｏｏｔｈａｎｄｎａｒｒｏｗｖａｌｌｅｙｏｆｔｈｅｐａｒａｂｏｌｉｃｓｈａｐｅ．Ｉｔｉｓｖｅｒｙｄｉｆｆｉｃｕｌｔｔｏｆｉｎｄｔｈｅｇｌｏｂａｌｍｉｎｉｍｕｍｖａｌｕｅｂｅｃａｕｓｅｏｆｌｉｔｔｌｅｉｎｆｏｒｍａｔｉｏｎｔｈｅｆｕｎｃｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｐｒｏｖｉｄｅｄ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓ－ｔｉｃｓｏｆｔｈｅＲｏ
5、ｓｅｎｂｒｏｃｋｆｕｎｃｔｉｏｎ，ｔｈｉｓｐａｐｅｒｓｐｅｃｉｆｉｃａｌｌｙｐｒｏｐｏｓｅｄａｎｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏ－ｒｉｔｈｍ（ＰＳＯ－Ｒ）ｗｈｉｃｈｉｎｔｒｏｄｕｃｅｓｔｒｉｇｏｎｏｍｅｔｒｉｃｆａｃｔｏｒｗｉｔｈｐｅｒｉｏｄｉｃｏｓｃｉｌｌａｔｉｏｎｓｏｆｔｒｉｇｏｎｏｍｅｔｒｉｃｆｕｎｃｔｉｏｎｓｓｏｔｈａｔｅａｃｈｐａｒｔｉｃｌｅｇｅｔｓｓｔｒｏｎｇｏｓｃｉｌｌａｔｉｏｎｔｏｅｘｐａｎｄｔｈｅｓｅａｒｃｈｓｐａｃｅｏｆｅａｃｈｐ
6、ａｒｔｉｃｌｅａｎｄｇｕｉｄｅｐａｒｔｉｃｌｅｓｔｏｃｌｏｓｅｎｅａｒｌｙｔｈｅｏｐｔｉｍａｌｖａｌｕｅａｎｄａｖｏｉｄｃｏｎｖｅｒｇｉｎｇｐｒｅｍａｔｕｒｅｌｙａｎｄｌｏｃａｌｏｐｔｉｍｕｍ，ａｎｄｆｉｎｄｔｈｅｇｌｏｂａｌｍｉｎｉｍｕｍｏｆｔｈｅＲｏｓｅｎｂｒｏｃｋｆｕｎｃｔｉｏｎ．Ａｌａｒｇｅｎｕｍｂｅｒｏｆｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｈａｓｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｆｕｎｃｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ，ａｎｄｐｒｏ－ｖｉｄｅｓａｎｅ
7、ｗｉｄｅａｆｏｒｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓｓｉｍｉｌａｒｗｉｔｈｔｈｅＲｏｓｅｎｂｒｏｃｋｆｕｎｃｔｉｏｎｆｏｒｓｏｍｅｐｒｏｂｌｅｍｓｏｆｓｐｅｃｉａｌｆｉｅｌｄｓ．ＫｅｙｗｏｒｄｓＵｎｃｏｎｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎ，Ｒｏｓｅｎｂｒｏｃｋｆｕｎｃｔｉｏｎ，ＰＳＯａｌｇｏｒｉｔｈｍ，Ｔｒｉｇｏｎｏｍｅｔｒｉｃｆａｃｔｏｒ在局部范圍內(nèi)）“超山谷”的現(xiàn)象，這種形狀類似于向上開口的１引言［１］。優(yōu)拋物線，目標(biāo)函數(shù)的全局極小值位于狹長山谷的底部無約束函數(shù)優(yōu)化是當(dāng)今信息時(shí)代應(yīng)用領(lǐng)域
8、很廣泛的一類化算法應(yīng)該具有沿著狹長的山谷逐漸逼近目標(biāo)函數(shù)全局極小優(yōu)化問題，對此問題的研究也隨著人們實(shí)際的需要以及計(jì)算值的能力，而由Ｒｏｓｅｎｂｒｏｃｋ設(shè)計(jì)的Ｒｏｓｅｎｂｒｏｃｋ函數(shù)是測試機(jī)的快速發(fā)展而逐漸深入。經(jīng)過大量的研究，學(xué)者們已經(jīng)提［２］?，F(xiàn)優(yōu)化算法是否具有這種能力的一個(gè)很典型的測試函數(shù)出了許多無約束最優(yōu)化的方法，如基于導(dǎo)數(shù)的最速下降法、共在許多優(yōu)化算法對大部分測試函數(shù)能達(dá)到很好的優(yōu)化性能，軛梯度法、牛頓法等；基于群智能的粒子群算法、遺傳算法等但大
