資源描述：
《基于禁忌搜索的混合粒子群優(yōu)化算法張世勇 熊忠陽(yáng)》由會(huì)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(kù)。
1、計(jì)算機(jī)研究與發(fā)展ISSN1000一1239/CNll一1777lTPJournalofC冶1llputerR巴犯archandL吮veloPment44(Suppl.):339一343，2007基于禁忌搜索的混合粒子群優(yōu)化算法張世勇’.2熊忠陽(yáng)‘‘(重慶大學(xué)計(jì)算機(jī)學(xué)院重慶4o0044)2(重慶工商大學(xué)理學(xué)院重慶400067)(:瓦s--y@163.com)HybridParticleSwarm0PtimizationAlgorithmBasedonTabooSearchingzhangshi扣ngl，Zandxiongzhongya
2、ngl1(敘2怪粥of腸m加te。&ience，cho”ggingun￡~藝ty，〔決?！眊qing400044)2(敘2紹‘of反扮nce，以on朋ingT阮hnol卿a耐Bus￡ness價(jià)￡~1妙，以on鄉(xiāng)ng400o67)AbstractParticleswarmoptimization(PSO)hassomedefects，suchasimmersionlocaloptimization，slowconvergencevelocityandlowprecisionsolution.Inthispapertal朋searcha
3、lgorithmandpenaltythinkingareincorporatedintotheparticleswarmoptimizationtoincreasethediversityofparticleswarm.InertialweightofPSOismended.UsingthePenaltyfunctionreconstructthefitnessfunction.AnewhybridPS(〕algorithmbasedontaboosearching(THPSO)isproposed.Thecomputationa
4、lexperimentalresultsonsixbenchmarkfunctionsshowthattheTHPSOhasbetterglobesearchcapability，fasterconve堪encevelocityandcanattainhigherprecisionvaluethanthePS0algorithm.Keywordstaboosearch;PSOal即rithm;globaloptimization摘要在粒子群優(yōu)化算法中引入禁忌搜索思想從而增加粒子群的多樣性，改進(jìn)慣性權(quán)重，添加罰函數(shù)重新構(gòu)造適應(yīng)度函數(shù).
5、在此基礎(chǔ)上提出一種基于禁忌搜索的混合粒子群優(yōu)化算法(THPSO).通過(guò)6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)實(shí)驗(yàn)，結(jié)果表明提出的算法比基本粒子群優(yōu)化算法(PSO)具有更好的全局尋優(yōu)能力、更快的收數(shù)速度以及獲得更高精度的解的能力.關(guān)鍵詞禁忌搜索;粒子群優(yōu)化算法;全局優(yōu)化中圖法分類號(hào)TP301.6粒子群優(yōu)化(particleswarmoptimization，PSo)收斂速度慢的缺點(diǎn).目前已經(jīng)有眾多學(xué)者針對(duì)這一算法是在研究群智能(swarmintelligence)演化計(jì)算缺點(diǎn)提出了不同的改進(jìn)算法，改進(jìn)主要集中在以下技術(shù)的背景下，由Eberhart和Kenn
6、edy在受到自然幾個(gè)方面:基于慣性權(quán)重[4]、學(xué)習(xí)因子等控制參數(shù)生物群體行為研究結(jié)果的啟發(fā)下于1995年提出的的改進(jìn)【5];基于個(gè)體極值和全局極值的選取方式的一種演化計(jì)算技術(shù)〔‘一2].由于其簡(jiǎn)單、有效、收斂速改進(jìn);基于引人其他算法的思想的改進(jìn).其中基于度較快并且有深厚的智能基礎(chǔ)等特點(diǎn)，使得該算法引人其他算法的思想的改進(jìn)最多，比如引人模擬退不僅適合科學(xué)研究，而且又特別適合工程應(yīng)用〔3〕，火算法思想的改進(jìn)[“〕、引人遺傳算法的改進(jìn)等等f(wàn)7〕.因此近年來(lái)受到學(xué)術(shù)界的高度關(guān)注，目前該算法已這些改進(jìn)，在不同程度上提高了算法的收斂速度和經(jīng)在函
7、數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模式分類、模糊系統(tǒng)精度，但效果并不十分理想.本文主要是采用改進(jìn)控制等領(lǐng)域中得到廣泛應(yīng)用.但是粒子群優(yōu)化算法參數(shù)與引人禁忌思想相結(jié)合的方式來(lái)改進(jìn)粒子群優(yōu)具有容易陷人局部最優(yōu)值、最終解的精度低和后期化算法，給出了基于禁忌搜索的混合粒子群優(yōu)化算收稿日期:2007一03一05萬(wàn)方數(shù)據(jù)計(jì)算機(jī)研究與發(fā)展2007，44(增刊)法，該算法結(jié)合了粒子群優(yōu)化算法具有全局尋優(yōu)能第2步.根據(jù)適應(yīng)度函數(shù)計(jì)算每個(gè)粒子的適應(yīng)力、實(shí)現(xiàn)簡(jiǎn)單的特點(diǎn)以及禁忌搜索算法具有的跳出度值;判斷結(jié)束條件是否滿足，如果滿足結(jié)束條件則局部最優(yōu)解的能力，從而避免了
8、粒子群優(yōu)化算法易停止，否則進(jìn)行第3步.于陷入局部極值點(diǎn)的缺點(diǎn)，提高了進(jìn)化后期算法的第3步.對(duì)每個(gè)粒子，比較當(dāng)前位置和個(gè)體極收斂速度和解的精度.6個(gè)基準(zhǔn)測(cè)試函數(shù)的對(duì)比實(shí)值，若更好，則更新;對(duì)每個(gè)粒子，比較當(dāng)前位置和全驗(yàn)結(jié)果說(shuō)明所提出的基
