兩類群體智能算法及其應(yīng)用研究.pdf

1、群體智能是指任何啟發(fā)于群居性昆蟲群體和其他動(dòng)物群體的集體行為而設(shè)計(jì)的算法和分布式問題解決裝置。群體智能具有分布性、魯棒性、非直接通信和簡單性等特點(diǎn),在解決組合優(yōu)化問題、知識發(fā)現(xiàn)、通信網(wǎng)絡(luò)、機(jī)器人等研究領(lǐng)域顯示出了巨大的優(yōu)勢和潛力。粒子群算法和蟻群算法作為兩種重要的群體智能算法,其應(yīng)用范圍也隨著研究的深入越來越廣。
　　粒子群算法(Particle Swarm Optimization,PSO)是由Kennedy和Eberhart于

2、1995年提出,它源自于對鳥群和魚群群體覓食運(yùn)動(dòng)行為的模擬,是一種基于群體智能的全局優(yōu)化進(jìn)化算法。因?yàn)槠漭^強(qiáng)的全局搜索能力,較少的參數(shù)設(shè)置,且更簡單更易實(shí)現(xiàn),所以從一提出,就引起了許多學(xué)者的關(guān)注,已廣泛用于科學(xué)和工程領(lǐng)域,如函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模式分類和模糊系統(tǒng)控制等領(lǐng)域?；玖Ｗ尤簝?yōu)化算法(basic particle swarm optimization,簡稱bPSO)具有容易陷入局部極值、進(jìn)化后期收斂速度慢、精度低等缺陷,而舍

3、棄了速度項(xiàng)的簡化粒子群算法(簡稱sPSO)在保證了收斂速度和精度的同時(shí)使算法更加簡練。本文在分析研究了粒子群算法的原理及粒子群算法的改進(jìn)策略的基礎(chǔ)上,提出了一種動(dòng)態(tài)改變權(quán)值的改進(jìn)的簡化粒子群算法,經(jīng)實(shí)驗(yàn)證明,本文的算法在搜優(yōu)精度和收斂速度上具有明顯的優(yōu)勢。
　　蟻群算法是群體智能算法的重要內(nèi)容之一。從提出到現(xiàn)在,蟻群算法已成功應(yīng)用于求解TSP、二次分配、圖著色、車輛調(diào)度、集成電路設(shè)計(jì)等優(yōu)化問題。受螞蟻覓食行為啟發(fā)的模型又稱為蟻群優(yōu)

4、化算法(ACO),然而基本蟻群優(yōu)化算法(Basic Ant Colony Optimization,BACO)在進(jìn)化中容易出現(xiàn)停滯現(xiàn)象,這是因?yàn)橄伻核惴ㄖ械男畔⒄答仚C(jī)制,大量的螞蟻都選擇了相同路徑后,該路徑上信息素濃度遠(yuǎn)大于其他路徑,這使得算法難以搜索到全局最優(yōu)解。而雙種群蟻群優(yōu)化算法(Dual Population Ant Colony Optimization,DPACO)借鑒了遺傳算法中的個(gè)體多樣性特點(diǎn),將螞蟻分成兩個(gè)群體分別進(jìn)