基于粒子群算法求解多目标函数优化

论文摘要

粒子群优化(PSO:ParticleSwarmOptimization)算法是一种新型的优化技术,它的构思来源于人工生命和进化计算理论。粒子群优化算法是通过了粒子在追随自己找到的最优解和一整个群体中的最好解来完成优化。为了避免粒子群优化算法在求最优解问题时会陷入局部最优以及提高粒子群优化算法之间的收敛速度,所以提出了对粒子群优化算法增加更新概率的方法。对无约束和有约束最优化问题分别设计了基于粒子群优化算法的不同的求解方法和测试函数,并且对粒子群优化算法求解多目标优化问题进行了进一步研究。实验表明了改进的粒子群优化算法求解最优化问题时起到了一定的有效性。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 引言
• 1.2 多目标优化研究综述
• 1.3 粒子群算法研究综述
• 1.4 本文的主要内容
• 第二章 多目标优化算法
• 2.1 基本概念和术语
• 2.2 优化算法
• 2.2.1 传统方法
• 2.2.2 现代启发式方法
• 2.3 多目标优化
• 2.3.1 基本概念与术语
• 2.3.2 传统方法
• 2.3.3 经典方法的讨论
• 第三章 粒子群优化算法及Java 实现
• 3.1 基本粒子群算法
• 3.1.1 基本原理
• 3.1.2 算法流程
• 3.1.3 参数设置
• 3.2 粒子群优化算法的java 实现
• 3.3 PSO 与GA 算法的比较
• 3.3.1 遗传算法的基本思想
• 3.3.2 遗传算法与粒子群算法的比较
• 第四章 基于Java 开发的粒子群优化算法及测试
• 4.1 设计说明
• 4.2 开发环境与开发工具
• 4.3 总体设计
• 4.4 具体设计
• 4.4.1 运行效果与程序发布
• 4.4.2 主类AppletGUI
• 4.4.3 运行界面 PSOGUI
• 4.4.4 范围设置 RangeDialog
• 4.4.5 显示坐标设置 IndexDialog
• 4.4.6 最大速度设置 MaximumVelocityDialog
• 4.4.7 参数确认 GUIParameterDialog
• 4.4.8 编译运行
• 4.5 仿真实验与结果分析
• 4.5.1 基准测试函数
• 4.5.2 PSO 的实验对比分析
• 4.5.3 小结
• 第五章 基于粒子群算法求解多目标函数优化问题
• 5.1 引言
• 5.2 多目标粒子群算法
• 5.2.1 算法的提出
• 5.2.2 算法分析
• 5.2.3 算法流程
• 5.3 不同问题特性的测试函数
• 5.4 数值实验
• 5.4.1 参数设置
• 5.4.2 性能度量值
• 5.4.3 数值实验分析与实验结论
• 第六章 结束语
• 参考文献
• 致谢
• 摘要
• Abstract