本文主要研究了群体智能优化算法中的粒子优化群算法在函数优化方面的应用与改进。粒子群算法是近几年发展起来的一种基于群体智能的优化算法,其源于对鸟群群体运动行为的研究。粒子群优化算法简单、易于编程实现且只需要设置较少的参数。但是,它并不是万能的,在具体问题中仍存在着很多缺点,本课题主要研究了粒子群优化算法应用在有约束条件与无约束条件优化问题中所存在的缺陷,并提出了相应的改进方案,最后将粒子群优化算法进行了实际的应用。主要完成了以下三个方面的研究工作: 1、无约束条件高维多峰复杂函数的优化。粒子群优化算法在对这类函数进行优化时,存在着收敛速度慢且易陷入局部最优等问题,据此提出了混合粒子群算法——基于混沌优化搜索解决早熟收敛的粒子群算法,通过数值仿真实验验证了改进算法的正确性与有效性。 2、带有约束条件的优化问题。对于这类问题,本文采用了两种不同的求解方案,一种是与罚函数法相结合的粒子群优化算法,由于该方法易于陷入局部最优,故此提出了基于混沌变量进行退化变异的改进方案。通过进一步研究,结合粒子群优化算法的群体搜索特性与约束优化问题的特点,提出了求解约束优化问题的另一种改进的粒子群算法,即采用分离比较策略的双适应值粒子群优化算法,实验证明了这种新的改进算法是可行的,且在精度与稳定性上明显优于采用罚函数的粒子群算法及其它一些算法。 3、将粒子群优化算法应用到了管道保温优化设计中。用粒子群优化算法解决这一问题,关键是建立正确的优化模型,因此,我们首先建立了管道保温优化模型,并结合一个实际的例子,采用双适应值粒子群优化算法进行了优化,所得结果优于已有算法所得结果。