没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收稿日期:20120208;修回日期:20120328
作者简介:罗彩君(1979),女,湖南桂东人,讲师,硕士,主要研究方向为人工智能、粒子群算法等(lcjsiny@163.com).
融合可行基规则的粒子群优化算法及其应用
罗彩君
(陕西职业技术学院 计算机科学系,西安 710100)
摘 要:基本粒子群优化算法对于离散的优化问题处理不佳,容易陷入局部最优。针对基本粒子群优化算法处
理离散型优化问题时的缺陷,提出了一种融合可行基规则的改进型粒子群优化算法,并用该算法求解车辆路径
问题。实验结果表明,该算法的优化性能和求解精度均优于其他文献算法,在求解车辆路径问题中具有较高的
应用价值。
关键词:粒子群优化算法;可行基规则;车辆路径问题
中图分类号:TP18 文献标志码:A 文章编号:10013695(2012)08290903
doi
:10.3969/j.issn.10013695.2012.08.028
Novelparticleswarmoptimizationalgorithmwith
feasibilitybasedruleanditsapplication
LUOCaijun
(Dept.ofComputerScience,ShaanxiVocational&TechnicalCollege,Xi’an710100,China)
Abstract:Basicparticleswarmoptimizationalgorithmfallsintolocaloptimumwithlittlehindrancewhenitoptimizesthedis
creteproblem.ToimprovetheperformanceofthestandardPSOalgorithmforsolvingdiscreteoptimizationproblems,thispaper
proposedanovelparticleswarmoptimizationalgorithmwithfeasibilitybasedrulemethod.Thispaperusedtheproposedalgo
rithmtosolvethevehicleroutingproblem.Simulationsshowthatproposedalgorithmcanobtainmorepowerfuloptimizingability
andhigheroptimizingprecisionforsolvingthevehicleroutingproblemthanliteraturealgorithms,andithasagoodapplication
value.
Keywords:particleswarmoptimizationalgorithm;feasibilitybasedrule;vehicleroutingproblem
%
引言
美国社会心理学家 Kennedy博士和电气工程师 Eberhart
博士于 1995年提出的粒子群优化算法(PSO)
[1]
,是通过模拟
鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算
法,也是一种基于群体智能(swarmintelligence,SI)理论的优化
算法。基本 PSO算法由于具有参数少、收敛速度快等优点,非
常适合于实值型数据处理,它在函数优化、神经网络训练、模式
分类、调度优化、模糊系统控制等工程领域得到了广泛的应用。
但是基本
PSO算法对于离散的优化问题处理不佳,容易陷入
局部最优。基于此,国内外研究者提出了多种改进型混合粒子
群优化算法,文献[2]提出一种改进的变参数粒子群优化算
法,该方法以进化状态因子计算策略和进化状态估计模型为基
础,引入了算法参数控制和变异算子,提高了算法的收敛速度
和全局优化能力;文献[
3]提出一种基于排异竞争机制的粒子
群优化算法,算法取消传统 PSO算法中的全局最优值 gbest,通
过设定竞争区域,使得当前种群中所有粒子和上一代种群中的
精英粒子一同参与竞争,并通过对排异策略的动态调整,提高
了算法后期的收敛速度和精度;文献[4]提出了一种基于进化
状态估计的自适应粒子群算法,该算法综合考虑粒子演化以及
粒子空间分布等信息,根据进化状态动态调整算法参数,具有
很好的自适应性能;文献[5]提出一种新的云自适应粒子群优
化算法(
CPSO),此算法利用云滴具有随机性、稳定倾向性等特
点,结合不同粒子与全局最优点的距离动态变化的性质,利用
云自适应调整计算惯性权重。
不同于已有文献,本文把粒子群优化算法的全局寻优性和
HookeJeeves方法
[6]
的快速收敛性结合起来,提出了一种融合
可行基规则的改进型粒子群优化算法,并用该算法求解车辆路
径问题。
!
融合可行基规则的改进型粒子群优化算法
!
!
基本粒子群算法
PSO模拟鸟群的捕食行为:一群鸟在随机搜索食物,在这
个区域里只有一块食物;所有的鸟都不知道食物在哪里,但是
它们知道当前的位置离食物还有多远;找到食物的最优策略就
是搜寻目前离食物最近的鸟的周围区域。PSO从这种模型中
得到启示并用于解决优化问题。PSO中,每个优化问题的解都
是搜索空间中的一只鸟,称之为粒子。所有的粒子都有一个由
被优化的函数决定的适应值(fitnessvalue),每个粒子还有一
个速度决定它们飞翔的方向和距离,然后粒子们就追随当前的
最优粒子在解空间中搜索。PSO初始化为一群随机粒子(随机
解),然后通过迭代找到最优解,在每一次迭代中,粒子通过跟
踪两个“极值”来更新自己。第一个就是粒子本身所找到的最
优解,即个体极值
pbest;另一个极值是整个种群目前找到的最
第 29卷第 8期
2012年 8月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol.29No.8
Aug.2012
资源评论
普通网友
- 粉丝: 485
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功