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