粒子群優(yōu)化算法及其改進.pdf

1、隨著優(yōu)化問題的日益復雜，和求解優(yōu)化問題的傳統(tǒng)算法計算量與日俱增，我們迫切需要一類對問題需求比較寬松，計算量小、計算速度快的算法。群體智能優(yōu)化算法應運而生，群體智能優(yōu)化算法基本上是根據(jù)群體所表現(xiàn)出來的智能和進化理論而提出的一類算法，這類算法對問題信息需求較少，一般是通過群體的協(xié)作，個體的自我適應和群體的競爭三個步驟的反復迭代來達到優(yōu)化的目的。作為群體智能算法的代表，粒子群優(yōu)化算法是1995年由Kennedy和Eberhart提出的一種模仿

2、鳥類覓食行為的算法。該算法具有結構簡單、參數(shù)少和收斂速度快等優(yōu)點，在隨后的時間里，廣大學者對算法本身進行了很多的改進和對算法的應用進行了進一步的研究。為了改善算法的求解精度和算法在求解矩陣特征值中的應用，本文在前人的基礎上進行了如下兩點改進：
　　1、在標準粒子群算法的迭代中后期，在搜索到的全局最優(yōu)位置周圍生成一群新的粒子進行差分進化迭代操作，這部分新粒子迭代搜索到的結果會影響粒子群算法中的全局最優(yōu)，實驗結果也體現(xiàn)了此改進算法具有