粒子群算法及其在布局优化中的应用

《粒子群算法及其在布局优化中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要粒子群优化(ParticleSwarmOptimization)算法是一类启发式随机全局优化技术，PSO算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO的优势在于只涉及简单计算，易于实现，适用范围广泛。本文介绍了基本的PSO算法、若干类改进的PSO算法及其应用。布局问题属于具有很强应用背景的组合优化问题，除其内在的完全NP问题的计算复杂性外，布局问题还包括约束复杂性问题和布局物体与待布空间的形状复杂性问题等。本文以人造卫星舱布局为背景，研究二维带平衡及不干涉等约束的圆集、长方形集在转动圆容器内的布

2、局优化问题。将PSO算法应用于这些布局模型，构造此类问题的粒子表达方法，建立了此类问题的粒子群算法。另外，本文提出将正交约束应用于卫星舱内长方体群布局优化中的新思路。本文引用了一些已知算例，并构造了一些特殊的高维算例。对比实验的结果显示，PSO算法在解决布局优化问题中，效率和精度都远胜于遗传算法。同时本文也用大量的算例验证了在卫星舱内长方体群的布局优化模型中，采用正交约束布局代替一般布局可行的和有效的。在解决布局优化的过程中，针对PSO算法存在易陷入局部最优点的缺点，提出了带变异算子的PSO算法。在算法搜索的后期

3、引入变异算子，使算法摆脱后期易于陷入局部最优点的缺点，同时又保持前期搜索速度快的特性。对高维测试函数和布局优化问题所做的对比实验表明改进的PSO算法增强了全局搜索能力，克服了基本PSO易于收敛到局部最优点的缺点。关键词:粒子群优化算法卫星舱布局优化变异算子.，、甘A30J慧勿笙文公布AbstractParticleswarmoptimizationalgorithmisaHeuristicstochasticglobaloptimizationtechnique.Theparticleswarmalgorithm

4、五ndsouttheoptimalregionsincomplexsearchspacethroughtheinteractionofindividualsinapopulationofparticles.WhatmakesPSOpredominantisthatitiseasytocalculate,simpletoimplyandcanbeusedwidelyinmanyfields.Inthispaper,weintroducedtheclassicalparticleswarmoptimizational

5、gorithmandseveralofitsvariantsandsomeapplicationsofthealgorithms.Packingproblemsarecategorizedascombinatorialoptimizationproblemswithstrongapplicationbackground.ExceptfortheirintrinsicNP-hardcomputationalcomplexities,packingproblemsalsoinvolvemanyconstraintsa

6、ndtheshapecomplexityofpackingobjectsandpackingspace.Takingthelayoutproblemofsatellitecabinsasbackground,theauthorstudiedtheoptimallayoutproblemofcirclegroupandrectanglegroupinacircularcontainerwithperformanceconstrainsofequilibrium.TheauthorextendedPSOtodealw

7、iththeconstrainedlayoutoptimizationproblems,andproposedanovelParticlepresentationfortheconstrainedlayoutoptimizationproblems.What'smore,weappliedtheorthogonalconstrainttodealwiththeoptimizationmodelforthelayoutofagroupofCuboidsinasatellitemodule.Someexistinge

8、xamplesarecited,andwealsoproposedseveralspecialhigherdimensionexamples.Theresultsshowthatwhensolvingthelayoutoptimizationproblems,theefficiencyandprecisionofPSOarefarbeterthanGA.Theresult