导　　师： 邱玉辉

学科专业： D0201

授予学位： 博士

作　　者： ;

机构地区： 西南大学

摘　　要： 最优化是人们在工程技术、科学研究和经济管理等诸多领域中经常遇到的问题，在21世纪的信息时代，其理论和技术必将在社会的各个方面起着越来越大的作用。作为一种新的群体智能方法，粒子群算法PSO是一个非常有前景的工具，在处理高维的以及缺乏领域知识的问题时尤其有用。该算法的灵感来源于社会心理学和人工生命，致力于模拟个体间的社会交互，具有收敛速度快、通用性强等优势，自1995年被提出之后得到了数值优化领域的广泛关注。 如何加快粒子群算法的收敛速度和避免出现早熟收敛，一直是大多数研究者关注的重点。克服早熟收敛的措施主要是设法保持种群的多样性，或引入跳出局部最优点的机制。在加快收敛速度方面，主要的工作集中在如何选择最优的算法参数，以及从其他智能优化算法中借鉴一些思想对PSO算法的主要框架加以修正。但这些研究者多数属于纯科学计算或工程应用领域，他们只专注于结果而不探究原因，．更少有人深入考虑粒子群算法的社会心理学渊源。 本文在研究过程中，注重从社会心理学和生物学角度考虑如何改善粒子群算法的性能，详细研究了粒子群与一种成熟的局部搜索技术——单纯形法的结合，并探讨了几种社会影响力传播方式和小世界网络模型对改进粒子群算法的启发。论文的主要工作和创新点包括： （1）研究了粒子群与单纯形法结合的多种混合算法 受启发于混合遗传算法MEMETIC以及生物体的获得性遗传机制，将粒子群算法与非线性单纯形法NSM相结合，研究了多种不同的结合形式，包括：用单纯形法产生初始种群；将单纯形寻优发展成PSO中一个新的进化算子；在PSO算法运行的后期阶段应用NSM搜索等。并对引入的参数对算法性能的影响进行了探讨，在连续的多峰函数优化问题上进行了广泛的仿真验证实验。 （2）用NSM-PSO混合算法定位多峰函数的所有极值点 将用单纯形改进的PSO算法与REPULSION技术相结合，实现定位多峰函数所有极值点的困难优化问题，并初步研究了引入的参数对算法性能的影响。该方法不引入新的局部极值点，在极值点非均匀分布的多峰函数上具有很好的效果。 （3）实现了PSO算法中两种新的社会影响力传播方式 借鉴社会心理学的研究成果，探讨了PSO算法中社会影响力的传播方式，实现了两种新的社会影响力传播模型，有效克服了算法的早熟收敛。 （I）引入轮盘赌选择机制，让种群中所有的粒子都具有与其成功程度成比例的社会影响力，有效抑制了部分超级粒子在算法的早期对整个种群搜索方向的有害影响； （II）提出了一种加权的综合社会影响力模型，用群体规范代替最成功的个体引导种群的搜索。 （4）提出了小世界PSO算法 基于小世界网络模型，提出了小世界PSO算法，该算法具有“小世界”特性的动态拓扑结构。为了提高小世界PSO的计算效率，引入了一种多种群简单协作的进化机制，不需要动态计算每个粒子的邻域。 （5）给出了粒子群算法在调节PID控制器参数中的应用 将改进的粒子群优化算法用于PID控制器的参数自动调节，在MATLAB/SIMU-LINK仿真环境中研究了其在一般二阶系统和纯滞后系统的参数整定方面的应用，并与遗传算法的优化效果进行了比较。 所有提出的算法和策略都在精心挑选的著名BENCHMARK问题上进行了大量的验证和比较实验，这些BENCHMARK问题具有挑战优化算法的困难性：高维、多峰、具有欺骗性的梯度信息等。本研究尤其重视比较算法在困难多峰函数上的表现，以统计分析的方式给出算法在收敛速度、收敛成功率、目标函数计算次数以及获得解的质量等几个衡量指标上的平均实验结果。仿真实验的结果显示，本论文提出的修改PSO算法都能有效改善规范PSO的性能，其中不少思想已成为有价值有前途的研究方向。

关 键 词： 粒子群优化 早熟收敛 最优化算法 小世界网络模型 参数整定 社会心理学

分 类 号： [C912.6 TP301.6]

领　　域： [经济管理] [社会学] [自动化与计算机技术] [自动化与计算机技术]