论文部分内容阅读
近年来，由于解决各种类型的工程优化问题的需要，最优化技术在数学基础和实用算法等方面获得了越来越多的关注和进展。特别是通过对自然界客观发展规律的模拟，研究者得到了诸如模拟退火算法、人工化学方法、人工神经网络、群体智能算法等技术，分别模拟自然界的物理、化学、生物神经系统、生命种群的机理，并解决了许多无法用经典数学方法解决的优化问题。
以智能优化算法为研究对象，以典型的标准优化问题为测试平台，在综合分析粒子群算法、人工化学算法等典型群体智能算法的基础上，开展如下研究工作。
一方面，针对一种典型的粒子群算法——中心粒子群算法进行改进。在粒子群算法中引入选择机制，以修正中心粒子的位置计算公式。通过Sphere函数、Rosenbrock函数和Ackley函数等标准测试函数对改进算法进行了试验，并显示了良好的收敛性。
另一方面，针对目前典型的人工化学计算模型——CCM模型进行改进，以使其能求解连续空间优化问题。通过变量区域的网格化进行原子构造，根据目标函数判断化学反应发生的可能性，并借鉴选择机制，加快收敛速度。与典型粒子群算法相对比，改进模型的应用试验显示了更好的计算性能。