1、“.....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......”。

2、“.....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......”。

3、“..... 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......”。

4、“..... 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......”。

5、“..... 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......”。

6、“.....在每 代中粒子将跟踪两个极值为粒子本身迄今找到的最优解另为全 种群迄今找到的最优解。 算法不像遗传算法那样对个体进行选择交叉和变异操作而是将群体 中的每个个体视为多维搜索空间中个没有质量和体积的粒子点这些粒子在 搜索空间中以定的速度飞行并根据粒子本身的飞行经验以及同伴的飞行经验 对自己的飞行速度进行动态调整即每个粒子通过统计迭代过程中自身的最优值 和群体的最优值来不断地修正自己的前进方向和速度大小从而形成群体寻优的 正反馈机制。算法就是这样依据每个粒子对环境的适应度将个体逐步移到较 优的区域并最终搜索寻找到问题的最优解。算法具有鲜明的生物社会背景 认知行为和社会行为即在寻求致的认知过程中个体往往记住它们的信念 同时考虑其它同伴的信念当个体察觉同伴的信念较好时将进行适应性调整......”。

7、“.....设在个维的目标搜索空间中有个粒子组成个群体其 中在第次迭代时粒子的位置表示为„ 相应的飞行速度表示为„。开始执行算 法时首先随机初始化个粒子的位置和速度然后通过迭代寻找最优解在每 次迭代中粒子通过跟踪两个极值来更新自己的速度和位置个极值是粒子本身 迄今搜索到的最优解称为个体极值表示为„ 另个极值是整个粒子群到目前为止找到的最优解称为全局极值表示为 „。在第次迭代计算时粒子根据下列规 则来更新自己的速度和位置 东北石油大学本科生毕业设计论文  式中为惯性权重取大值可使算法具有较强的全局搜索能力取小值 则算法倾向于局部搜索......”。

8、“.....另外粒子在每维的速度都被个最大速度所限制。如果当 前粒子的加速度导致它在维的速度超过该维上的最大速度则该维的速 度被限制为最大速度。式中第部分可理解为粒子先前的速度或惯性第部分 可理解为粒子的认知行为表示粒子本身的思考能力第部分可理解为粒子 的社会行为表示粒子之间的信息共享与相互合作。 更新过程中粒子每维的位置速度都被限制在允许范围之内。如果当前 对粒子的加速导致它在维的速度超过该维的最大速度则该维的速度被 限制为该维最大速度上限。般来说的选择不应超过的粒子宽度范 围如果太大粒子可能飞过最优解的位置如果太小可能降低粒子的全 局收索能力......”。

9、“.....下面为标准算法流程如下 随机初始化粒子群体的位置和速度 通常是在允许的范围内随机产生的每个粒子的坐标设置为其当前位置 且计算出其相应的个体极值即个体的适应度值而全局极值即全局的适应度 值就是个体极值中最好的记录该最好值的粒子序号并将设置为该最好 粒子的当前位置 计算每个粒子的适应值 对每个粒子将其适应值与个体极值进行比较如果较优则更新当 前的个体极值 对每个粒子将其适应值与全局极值进行比较如果较优则更新 当前的全局极值 根据式更新每个粒子的位置和飞行速度 如未达到预先设定的停止准则通常设置为最大迭代次数则返回步骤 若达到则停止计算......”。