自适应粒子群算法研究及其在多目标优化中应用.pdf
版权申诉
5星 · 超过95%的资源 38 浏览量
2022-07-04
12:18:56
上传
评论
收藏 1.79MB PDF 举报 
目录
第一章绪论
随着人类生存空间的扩大，以及认识世界和改造世界范围的拓宽，现实中碰到的许
多科学、工程和经济问题呈复杂化、多极化、非线性等特点，这就使得高校的优化技术和
智能计算成为迫切要求。
经典的优化算法通常采用局部搜索方法，它们一般与特定问题相关或是局部搜索方
法的变形，适用于求解小规模且定义明确的问题。而实际工程问题一般规模较大，寻找一
种适合于大规模并且局域智能特征的算法已成为人们研究的目标和方向。
二十世纪八十年代以来，涌现了很多新颖的优化算法，如：混沌算法、遗传算法 GA
（ GeneticAlgorithm ）、 蚁 群 算 法 ACA （ AntColonyAlgorithm ）、 粒 子 群 算 法 PSO
（ParticleSwarmOptimization）和模拟退火算法 SA（）等。它们通过模拟某些自然现象
的发展过程而来，为解决复杂问题提供了新的思路和手段。由于这些算法构造直观且符合
自然机理，因而被称为智能优化算法（）。
1.1 本文的。。。。。
智能优化算法是通过模拟某些自然现象的发展过程而形成的算法，以结构化和随机化
的搜索策略实现算法的优化过程，常用于大规模的并行计算。智能优化算法提出后受到了
人们的重视，其中遗传算法、蚁群算法、粒子群算法作为三种典型智能算法得到迅速发展。
（见智能优化算法及应用 P1 页）
智能优化算法是通过模拟或揭示某些自然现象或过程发展而来的，与普通的搜索算法
一样都是迭代算法，对问题的数学描述不要求满足可微性、凸性等条件，是以一组解（种
群）为迭代的初始值，将问题的参数进行编码，映射为可进行启发式操作的数据结构。算
法仅用到优化的目标函数值的信息，不必用到目标函数的倒数信息，搜索策略是结构化和
随机化的（概率型），其优点是：具有全局的、并行的优化性能，鲁棒性、通用性强等。
智能优化算法的使用范围非常广泛，特别适用大规模的并行计算。
剩余44页未读，继续阅读
资源评论
kangshasha1232023-03-21资源不错，很实用，内容全面，介绍详细，很好用，谢谢分享。
