在对粒子群优化算法进行了详细的分析和介绍了标准的PSO算法的基本原理、数学描述、算法参数和流程基础上,再介绍本文的主要工作。首先,在离散序列领域对粒子群优化算法进行重构,提出了本文的改进思路,即把可变社会影响因子引入离散序列领域的计算公式。与标准的粒子群优化算法相比,该算法在避免过早的陷入局部最优等方面有比较好的效果。针对TSP问题,重新设定参数,引入公共知识库进行粒子群初始化,用改进的PSO算法进行了求解,并对14节点的标准TSP问题进行了计算实验。其次,在二进制粒子群算法和遗传算法的基础上提出了结合这两种算法各自优点的混合粒子群智能遗传算法(PGA),并应用于配电网重构中。在优化过程中,应用本文提出的遗传算法中的随机自回馈变异算子和高频交叉算子,避免算法陷入局部最优,同时结合粒子群算法的快速群体智能寻优指导染色体的进化方向,能很快收敛到全局最优解。最后,通过对近年来粒子群优化算法的研究,给出粒子群优化算法的展望与发展趋势。
本文来源: https://www.lw50.cn/article/c8c848b7ac0fedfe153a1e7a.html