需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：17000 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要:粒子群優(yōu)化算法(Particle Swarm Optimization，簡(jiǎn)稱(chēng)PSO)是一種基于群體的進(jìn)化算法，算法通過(guò)粒子間的相互合作來(lái)尋找復(fù)雜搜索空間中的最優(yōu)區(qū)域，屬于智能算法中的一種.后來(lái)研究學(xué)者引入慣性權(quán)重這個(gè)概念來(lái)更好的控制粒子的收斂和探索，形成了當(dāng)前的標(biāo)準(zhǔn)PSO算法.由于該算法實(shí)現(xiàn)簡(jiǎn)單，需要調(diào)整的參數(shù)個(gè)數(shù)少，已經(jīng)被廣泛地應(yīng)用于函數(shù)優(yōu)化、通信、電子系統(tǒng)設(shè)計(jì)以及經(jīng)濟(jì)管理等領(lǐng)域.旅行售貨商問(wèn)題（Traveling Salesman Problem, 簡(jiǎn)稱(chēng)TSP）是組合優(yōu)化中最著名最經(jīng)典的問(wèn)題之一，它綜合了一大類(lèi)組合優(yōu)化問(wèn)題的典型特征，并以不同的形式存在于許多高科技領(lǐng)域. 首先本文分析了粒子群優(yōu)化算法的原理，并介紹了粒子群優(yōu)化算法的基本公式和算法流程，以及算法中幾個(gè)參數(shù)的設(shè)置問(wèn)題；本文分析了粒子群優(yōu)化算法的離散化，從離散二進(jìn)制和算法的重新定義兩個(gè)視角介紹了離散粒子群算法；總結(jié)了目前 PSO 算法研究的成果，簡(jiǎn)單介紹了目前對(duì)粒子群優(yōu)化算法的多種改進(jìn). 其次對(duì)旅行售貨商問(wèn)題進(jìn)行了介紹，TSP是一個(gè)典型的NP難問(wèn)題，也是一個(gè)離散優(yōu)化問(wèn)題.針對(duì)TSP問(wèn)題的離散特點(diǎn)，本文介紹一種求解TSP問(wèn)題的離散粒子群算法，算法重新定義了粒子的位置和速度及其與粒子位置的相關(guān)算子，并對(duì)公式中的參數(shù)進(jìn)行了重新定義，改進(jìn)了原有的基本公式；用TSPLIB中的部分案例進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明，該算法在求解小規(guī)模的旅行商問(wèn)題上有很好的性能，能夠快速的收斂，求出最優(yōu)解. 最后本文探究了不同的參數(shù)設(shè)置對(duì)算法的收斂性的影響，設(shè)定了固定參數(shù)，線性參數(shù)和非線性參數(shù)三種不同的參數(shù)策略，分別用于解決Burma14城市問(wèn)題.分析和對(duì)比實(shí)驗(yàn)結(jié)果，設(shè)定線性參數(shù)更有利于算法快速收斂到最優(yōu)解. 關(guān)鍵詞：粒子群優(yōu)化算法；離散粒子群優(yōu)化算法；智能算法；旅行售貨商；組合優(yōu)化；NP完全問(wèn)題；NP難問(wèn)題
目 錄 摘 要 ABSTRACT 第1章 緒論-1 1.1引言-1 1.2 研究背景-1 1.2.1組合優(yōu)化-1 1.2.2智能算法-2 1.2.3粒子群優(yōu)化算法-2 1.2.4旅行售貨商問(wèn)題-3 1.2.5P、 NP、NPC、NP-hard問(wèn)題-4 1.3粒子群算法的國(guó)內(nèi)外的研究現(xiàn)狀-4 1.4旅行售貨商問(wèn)題的研究現(xiàn)狀-5 1.5本文的研究思想和主要解決的問(wèn)題-5 第2章 粒子群優(yōu)化算法-7 2.1 粒子群算法的簡(jiǎn)介-7 2.2 標(biāo)準(zhǔn)粒子群算法-7 2.2.1 粒子群算法的基本形式-7 2.2.2 粒子群算法的基本流程-8 2.3 離散粒子群算法-9 2.3.1離散二進(jìn)制PSO算法-9 2.3.2重新定義PSO算法操作算子-10 2.4 粒子群算法的改進(jìn)-10 2.4.1基于慣性權(quán)重的改進(jìn)-10 2.4.2基于加速因子的改進(jìn)-11 2.4.3基于種群規(guī)模以及鄰域的大小的改進(jìn)-11 第3章 粒子群算法解決TSP問(wèn)題-13 3.1 粒子群算法解決TSP-13 3.1.1 算法的重新定義-13 3.1.2 算法的基本流程-14 3.2 參數(shù)設(shè)置-14 第4章 實(shí)驗(yàn)結(jié)果與分析-17 4.1 粒子群算法解決TSP問(wèn)題的結(jié)果-17 4.2 參數(shù)實(shí)驗(yàn)結(jié)果與對(duì)比-19 第5章 結(jié)論與展望-21 5.1總結(jié)-21 5.2不足之處及未來(lái)展望-21 5.2.1不足之處-21 5.22 未來(lái)的工作展望-21 參考文獻(xiàn)-23 致 謝-25 |
