论文部分内容阅读
粒子群算法是一种常用的生物模仿的智能计算方法,指的是先把每个优化问题要求或所需要的解看成搜索空间中的一个粒子,所有粒子都在被一个优化条件来决定它们的适应性并且粒子有一个决定它们的飞行方向和速率的速度,粒子们追随当前最优粒子在解空间的搜索。由于粒子具有运动方向和速度的随机性,使得对单个粒子来说比较简单,但是对于粒子群来说是一个非常复杂的问题,再加上粒子群算法在应用时,对于每一类问题都要根据实际问题的情况进行改善。这些原因导致无论在理论上还是实际应用中都得到了充分的探讨与应用。在理论上研究分析算法模型的收敛性及收敛效率,而在实际中通过应用来反映改善后的效果。随着研究者的越来越多,到现在粒子群算法的理论也得到进一步的完善,但是由于优化问题的多样性与要求的准确度提高,对于每一类粒子群算法存在着各自的缺陷。需要根据优化问题具体特征来选择合适改善粒子群算法。首先本文介绍了一些基本的图论和粒子群算法,包括了这些粒子群算法的步骤以及对它们在处理优化问题的过程中表现出来的优点与缺点,然后根据这些算法的缺点和特点来提出了基于改进的粒子群算法。其中提出了分层的定义及怎么应用分层的方法来求最短路径问题。针对粒子群法在处理问题的缺点和独有的特点,在本文的第三章提出了基于改进的粒子群算法,主要是为了克服粒子群算法在寻找最优路径不要陷入早熟和收敛过慢,使得改善后能够更好的反应其特征,以便能够减少运算的时间、提高最优路径长的准确度。通过实验证明,与改进的蚁群算法的实验结果相比较,本文提出改善后的算法有较好的效果。