论文部分内容阅读
粒子群算法是James Kennedy和Russell Eberhart在1995年共同提出的一种新的概率型全局优化技术。它是基于群智能理论的优化算法。PSO算法广泛应用于生活生产、工业制造、国防事业等领域。由于在现实生活中不管是连续的还是离散的优化问题它的性能表现都较好且思想简单、算法易实现、参数少。科研工作者们对粒子群优化算法的关注度进一步提升，但该算法对多维函数的测试很容易陷入局部最优，且搜索精度不高，应用还存在局限性。本文针对研究的问题所做工作如下：(1)从邻居拓扑结构出发，首先分析了邻居拓扑结构图属性特征对算法性能的影响以及图属性特征之间的关系。随后设计了一种新的邻居拓扑结构——最小生成树邻居拓扑结构，并分析了其优势。(2)基于构造的新的邻居拓扑结构，提出了一种改进的粒子群优化算法，将给出的算法应用到几个典型的基准测试函数中，实验结果证实了改进算法的可行性和有效性。