们的正确性与可靠性的证明还比较困难，所做的工作也比较少，特别 是全局收敛性研究方面。将算法的粒子轨迹分析基于随机事件理论作出定量 分析就是个艰巨的课题，这将关系到算法收敛性参数选取等关键问题。 系统的高层次的行为是需要通过低层次的昆虫之间的简单行为交互突现产 生的。单个个体控制的简单并不意味着整个系统设计的简单，必须能够将高层次 的复杂行为也就是系统所要执行的功能。在系统设计时还要保证多个个体简单行 为的交互能够涌现出希望看到的高层次的复杂行为。这是群体智能中个极为困 难的问题。 对于具体的实际问题而言，设计算法时，对算法搜索的效率和收敛的全局 性之间要作种平衡，这种平衡很大程度上是根据经验以算法参数的形式给出的， 如何在理论上给出准则，需要对算法进步进行研究。 粒子群优化算法应用于高维复杂问题优化时，往往会遇到早熟收敛的问题， 也就是种群在还没有找到全局最优点时已经聚集到点停滞不动。这些早熟收敛 点，有可能是局部极小点，也有可能是局部极小点邻域的个点。换句话说，早 熟收敛并不能保证算法收敛到局部极小点。因而，对算法早熟收敛行为的研究可 为算法的进步改进奠定基础。 粒子群优化算法在接近或进入最优点区域时的收敛速度也比较缓慢。实际 上对粒子群在 通常意义下，使初始解均匀分布于可行域中然后，在算法参数控制下根据搜 索策略对个体进行搜索从而产生若干待选解进而按照接受准则确定性概率 性或混沌方式更新当前状态，如此反复迭代直到满足种收敛准则最后通过 空间的反变换，输出原问题的解。算法大致可用框图表示 图粒子群优化算法框架 初始化解 与相关参 数 根据搜索 策略产生 待选解 迭代直到 满足终止 准则 空间反 变换并 输出原 问题解 将问题空间 映射为算法 空间东北石油大学本科生毕业设计论文 算法的核心包括算法空间变换和反变换初始个体的产生准则邻域搜索 策略全局搜索策略接受准则以及收敛准则。 粒子群优化算法的设计步骤 根据上述的粒子群优化算法求解问题的统框架，可得到粒子群优化算法的 设计步骤如下 确定问题的表示方案编码方案或者称为粒子表示方法 与其他的进化算法相同，粒子群算法在求解问题时，其关键步骤是将问题的 解从解空间映射到具有种结构的表示空间，即用特定的码串表示问题的解。根 据问题的特征选择适当的编码方法，将会对算法的性能以及求解结果产生直接的 影响。粒子群算法的大部分研究均集中在数值优化领域中，其位置速度计算模 型使用于具有连续特征的问题函数，因此，目前算法大多采用实数向量的编码方 式，以粒子的位置向量来表示问题的解。对于生产调度这类属于离散空间的非数 值优化问题，如何用粒子群算法的粒子表示方法来映射调度问题的解空间，是求 解问题的最关键环节。 确定优化问题的适应度函数 在求解过程中，借助于适应值来评价解的质量。因此，在求解问题时，必须 根据问题的具体特征，选取适当的目标函数或者费用函数来计算适应值，适应值 是唯能够反映并引导优化过程不断进行的参量。 选择控制参数 粒子群算法的控制参数通常包括粒子种群数量算法执行的最大代数惯性 权重系数学习因子系数及其他些辅助控制参数，如粒子位置和速度的控制范 围等。针对不同的算法模型，选择适当的控制参数，直接影响算法的优化性能。 选择粒子群优化模型 目前，粒子群算法己经发展了多种位置速度计算模型，如惯性权重模 型收敛因子模型采用拉伸技术的模型二进制模型等等，在 求解不同类型优化问题时，不同模型的优化性能也有差异。由于惯性权重线 性递减模型能够有效地在全局搜索和局部搜索之间进行平衡，因此，目前这 模型得到的较多的应用。 确定算法的终止准则 与其他进化算法样，算法中最常用的终止准则是预先设定个最大的 迭代次数，或者当搜索过程中解的适应值在连续多少代后不再发生明显改变时， 终止算法。东北石油大学本科生毕业设计论文 粒子群优化算法描述 算法原理 在年的国际神经网络学术会议上和发表了题为 的文章，在文章中提出了种新的智能优化算 法粒子群算法。算法和其他进化算法类似，也采用“群体”和“进化”的概 念，通过个体间的协作与竞争，实现复杂空间中最优解的搜索。先生成初始种 群，即在可行解空间中随机初始化群粒子，每个粒子都为优化问题的个可行 解，并由目标函数为之确定个适应值。不像其他进化算法 那样对于个体使用进化算子，而是将每个个体看作是维搜索空间中的个没有 体积和重量的粒子，每个粒子将在解空间中运动，并由个速度决定其方向和距 离。通常粒子将追随当前的最优粒子而动，并经逐代搜索最后得到最优解。在每 代中，粒子将跟踪两个极值，为粒子本身方面，采用粒子群算 法对粗轧宽展控制模型进行优化。 目前 从模糊神经网络系统自动提取模糊规则的研究在些典型的问题上已经取得进 展，这对于自动生成模糊系统控制规则的模糊控制器在应用领域的推广有很大的 启示。利用算法优化模糊控制统机组组合优化问题求解多机器功率系统稳定器的最优设 计等方面，粒子群算法具有突出的求解性能。东北石油大学本科生毕业设计论文 日本的电力公司的研究人员将电力企业著名的 问题简化为函数的最小值问题，并使用改进的算法进行优 化求解。与传统方法如专家系统敏感性分析相比，实验产生的结果证明了 算法在解决该问题的优势。 控制领域中的应用 模糊控制系统。美国通用汽车公司法国液气公司荷 兰公路交通部和美国些移民事务机构也都采用相应技术以改善其运转的机能。 国内外对粒子群算法的研究现状 在美国成立有专门的组织研究群体的仿真。由欧洲联盟资助的群体智能相关 研究项目也于年在欧洲多个研究机构启动。在国内，国家自然科学基金“十 五”期间学科交叉类优先资助领域中认知科学及其信息处理的研究内容就明确列 出了群体智能的进化自适应与现场认知。该算法也越来越多地应用于企业，英国联合利华公司已率先利用 这种技术改善其家牙膏厂的运转状况。决该问题的优势。 控制领域中的应用 模糊控制系统。进行优 化求解。毕业设计论文 日本的电力公司的研究人员将电力企业著名的 问题简化为函数的最小值问题，并使用改进的算法解多机器功率系统稳定器的最优设 计等方面，粒子群算法具有突出的求解性能。与电容器配置配电网状态估计参数辨识优化设计等方面。 此外，在电力系统机组组合优化问题求的应用 粒子群优化算法在电力系统优化中有着广泛的应用，例的应用 粒子群优化算法在电力系统优化中有着广泛的应用，例如在配电网扩展规划 检修计划机组组合负荷经济分配最优潮流计算与无功优化控制谐波分析 与电容器配置配电网状态估计参数辨识优化设计等方面。 此外，在电力系统机组组合优化问题求解多机器功率系统稳定器的最优设 计等方面，粒子群算法具有突出的求解性能。东北石油大学本科生毕业设计论文 日本的电力公司的研究人员将电力企业著名的 问题简化为函数的最小值问题，并使用改进的算法进行优 化求解。与传统方法如专家系统敏感性分析相比，实验产生的结果证明了 算法在解决该问题的优势。 控制领域中的应用 模糊控制系统。利用算法优化模糊控制系统，设计模糊控制器。目前 从模糊神经网络系统自动提取模糊规则的研究在些典型的问题上已经取得进 展，这对于自动生成模糊系统控制规则的模糊控制器在应用领域的推广有很大的 启示。 冶金自动化。例如，在对粗轧宽展控制模型进行优化方面，采用粒子群算 法对粗轧宽展控制模型进行优化。另外，粒子群算法还被用于计算机数字控制的 研磨。 其他实际应用 除了上述应用领域外，粒子群优化算法在化工领域，生物医学以及电磁学等 领域都有定的应用。粒子群算法已被美国家公司用于将各种生物化学成分 进行优化组合，进而人工合成微生物。与传统的工业优化方法比较，产生合成 结果的适应度是传统方法的两倍。蚂蚁优化算法在电信网络的路由问题上的 应用已经比较成熟，公司英国电信公司都在世纪年代后期就展开了这 方面的研究。该算法也越来越多地应用于企业，英国联合利华公司已率先利用 这种技术改善其家牙膏厂的运转状况。美国通用汽车公司法国液气公司荷 兰公路交通部和美国些移民事务机构也都采用相应技术以改善其运转的机能。 国内外对粒子群算法的研究现状 在美国成立有专门的组织研究群体的仿真。由欧洲联盟资助的群体智能相关 研究项目也于年在欧洲多个研究机构启动。在国内，国家自然科学基金“十 五”期间学科交叉类优先资助领域中认知科学及其信息处理的研究内容就明确列 出了群体智能的进化自适应与现场认知。相关项目还有复杂系统与复杂性。它 的主要研究方向及内容是复杂系统与复杂性的理论与方法研究物质层次复杂系 统的研究生命层次复杂系统的研究社会层次复杂系统的研究。年月 日在北京召开的第六届全国人工智能联合会议暨计划智能计算机主题学术 会议戴汝为院士特邀报告的主要内容就是群体智能的研究进展。 到现在，国家自然科学基金委员会基本每年资助数项粒子群优化算法相关理 论和应用的研究。计算智能协会 自年起每年举行次群体智能会议， 而粒子群优化算法是会议的重要主题。东北石油大学本科生毕业设计论文 粒子群优化算法面临的难题 虽然粒子群优化算法已在多个领域被有效应用，但其发展历史尚短，还存在 很多问题。 粒子群优化算法是种概率算法，缺乏系统化规范化的理论基础，从数 学上对于它拣灰火化保民生保稳定”大局下，以贯挑战为机遇，科学发展迈出新步伐，公墓管理实现新突破，平安清明取得新成就，行风建设全国用户产品质量满意使全国用户产品质批”。通过国内外广大用户品进行科学技术成果鉴定时