微粒群算法及其在离散优化问题中的应用研究

论文摘要

随着计算机科学与技术的迅速发展,人们对科学技术提出了新的更高的要求,其中高效的优化技术和智能计算的要求日益迫切。微粒群优化算法（PSO）是一种新兴的智能优化算法,由于其概念简单、收敛速度较快、没有很多参数需要调整且不需要梯度信息,在工程实践中表现出巨大的潜力,并在诸多领域获得了成功应用。但其应用大多是连续优化问题,很少被用来解决离散问题,而现实生活中的许多工程实例只能抽象出离散模型。为此本文在对PSO算法原理进行深入分析的基础上,研究了其在各类离散问题中的应用。首先,采用线性离散时间系统的研究方法对PSO算法的收敛性作了分析,导出了PSO算法的收敛条件。在定性分析PSO参数基础上,提出了一种惯性权重非线性下降策略,并通过仿真实验,得到惯性权重和加速系数的参数确定的指导性规律。其次,以氧化铝生料浆优化调配问题为例研究了PSO算法在0-1组合优化问题中的应用。为提高算法的自适应性,引入收敛率和进化率,自适应动态地调整惯性权值使其非线性下降。将离散二进制PSO和惯性权重改进策略相结合对生料浆优化调配问题进行了求解,仿真结果证实了改进算法的优越性。然后,以交通运输领域中的装卸货任务分配问题为例研究了PSO算法在随机组合优化问题中的应用。提出了一种求解该类问题的离散微粒群算法,通过对标准PSO所求得的微粒位置进行反正切函数变化再取整,保证算法寻优的公平性与合理性。求解实例证实了所提算法有效可行。最后,以企业铁路取送车作业优化问题为例研究了PSO算法在排序问题中的应用。采用引入交换子和交换序的PSO对该类问题求解,由于该算法在求解大规模问题时易陷入局部最优,提出了一种PSO-SA混合算法,通过使用SA对PSO算法的全局最优位置进行优化调整来引导算法跳出局部最优,实例求解比较证实了所提PSO-SA求解大规模问题时切实有效。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 微粒群算法的研究现状
• 1.2.1 理论研究现状
• 1.2.2 应用研究现状
• 1.3 算法比较
• 1.3.1 微粒群算法与遗传算法比较
• 1.3.2 微粒群算法与蚁群算法比较
• 1.4 论文研究内容和结构安排
• 第二章 微粒群算法原理及性能分析
• 2.1 引言
• 2.2 基本微粒群优化算法
• 2.2.1 基本原理
• 2.2.2 算法流程
• 2.2.3 全局模型与局部模型
• 2.2.4 同步模型与异步模型
• 2.3 标准微粒群优化算法
• 2.3.1 惯性权重模型
• 2.3.2 收缩因子模型
• 2.4 微粒群优化算法收敛性分析
• 2.4.1 标准微粒群算法收敛性分析
• 2.4.2 约束系数微粒群算法收敛性分析
• 2.5 微粒群优化算法参数性能分析
• 2.5.1 定性分析
• 2.5.2 基于仿真实验的结果分析
• 2.6 本章小结
• 第三章 基于微粒群算法的氧化铝生料浆调配多目标优化
• 3.1 引言
• 3.2 氧化铝生料浆调配过程的优化模型
• 3.2.1 生料浆优化调配的问题描述
• 3.2.2 基于满意度原理的满意优化模型
• 3.3 求解生料浆调配问题的离散微粒群算法
• 3.3.1 离散二进制微粒群算法
• 3.3.2 惯性权重自适应改进策略
• 3.3.3 改进离散PSO求解生料浆调配问题的步骤
• 3.4 应用实例
• 3.5 本章小结
• 第四章 基于微粒群算法的任务分配问题求解
• 4.1 引言
• 4.2 任务分配问题的数学描述
• 4.3 求解任务分配问题的离散微粒群算法
• 4.3.1 离散微粒群算法的提出
• 4.3.2 基于任务分配问题的求解
• 4.4 应用实例
• 4.5 本章小结
• 第五章 基于微粒群算法的取送车作业优化
• 5.1 引言
• 5.2 取送车优化的数学模型
• 5.2.1 取送车问题描述
• 5.2.2 数学模型的建立
• 5.3 求解取送车优化问题的微粒群算法
• 5.3.1 引入交换子和交换序的微粒群算法
• 5.3.2 PSO-SA混合微粒群算法
• 5.3.3 混合微粒群算法求解取送车优化问题的求解步骤
• 5.4 实例计算与结果分析
• 5.5 本章小结
• 第六章 结论与展望
• 6.1 本论文的总结
• 6.2 未来研究的展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果