求解约束优化问题的粒子群算法研究

随着时代的发展、科技的创新,求解约束优化问题的方法不断推新,出现了如遗传算法、蚁群算法、进化规划、进化策略、粒子群算法等优秀的方法。粒子群算法作为一种新型智能算法,凭借其实现简单、参数少并且不依赖函数本身的特点受到了越来越多的关注。将其应用于约束优化问题的求解中,也取得了不少成果。 本文针对约束优化问题,提出一种改进的粒子群算法。考虑到大多数约束优化问题的最优值往往出现在约束条件附近的特点,将约束条件作为一项引导量与基本粒子群算法相结合进行改进,改进后的粒子群模型含有个体部分、社会部分以及约束条件组成的引导部分。对于部分约束优化问题,特别是最优解在边界上的约束优化问题,加入引导部分能提高向边界条件收敛的速度,防止在边界值附近无限循环的可能,抑制了部分早熟现象的产生。 文章主要分成了五个部分,首先将国内外的研究进展进行概述;其次针对约束优化问题提出自己的改进算法;然后将改进的算法应用于约束优化问题的两个方向:单目标约束优化问题和多目标约束优化问题;接着文章以军事运输路径为例,用实例说明了该方法的有效性;文章最后对算法进行总结并在此基础上进行展望。