I / 1 摘 要

在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，粒子群优化算法在各种优化问题中得到广泛应用。

本文首先描述了基本粒子群优化算法及其改进算法的基本原理,对比分析粒子群优化算法与其他优化算法的优缺点，并对基本粒子群优化算法参数进行了简要分析。根据分析结果,研究了一种基于量子的粒子群优化算法。在标准测试函数的优化上粒子群优化算法与改进算法进行了比较,实验结果表明改进的算法在优化性能明显要优于其它算法。本文算法应用于支持向量机参数选择的优化问题上也获得了较好的性能。最后,对本文进行了简单的总结和展望。

关键词：粒子群优化算法 最小二乘支持向量机 参数优化 适应度

目录

摘 要 ................................................................................................................................................................... I

目录 ...................................................................................................................................................................... II

1.概述 ....................................................................................................................................................................1

1.1引言 .........................................................................................................................................................1

1.2研究背景 .................................................................................................................................................1

1.2.1人工生命计算 ..............................................................................................................................1

1.2.2 群集智能理论 .............................................................................................................................2

1.3算法比较 .................................................................................................................................................2

1.3.1粒子群算法与遗传算法(GA)比较 ..............................................................................................2

1.3.2粒子群算法与蚁群算法(ACO)比较 ...........................................................................................3

1.4粒子群优化算法的研究现状 .................................................................................................................4

1.4.1理论研究现状 ..............................................................................................................................4

1.4.2应用研究现状 ..............................................................................................................................5

1.5粒子群优化算法的应用 .........................................................................................................................5

1.5.1神经网络训练 ..............................................................................................................................6

1.5.2函数优化 ......................................................................................................................................6

1.5.3其他应用 ......................................................................................................................................6

1.5.4粒子群优化算法的工程应用概述 ..............................................................................................6

2.粒子群优化算法 ................................................................................................................................................8

2.1基本粒子群优化算法 .............................................................................................................................8

2.1.1基本理论 ......................................................................................................................................8

2.1.2算法流程 ......................................................................................................................................9

2.2标准粒子群优化算法 ...........................................................................................................................10

2.2.1惯性权重 ....................................................................................................................................10

2.2.2压缩因子 .................................................................................................................................... 11

2.3算法分析 ...............................................................................................................................................12

2.3.1参数分析 ....................................................................................................................................12

2.3.2粒子群优化算法的特点 ............................................................................................................14

3.粒子群优化算法的改进 ..................................................................................................................................15

3.1粒子群优化算法存在的问题 ...............................................................................................................15

3.2粒子群优化算法的改进分析 ...............................................................................................................15

3.3基于量子粒子群优化(QPSO)算法 ......................................................................................................17

3.3.1 QPSO算法的优点 .....................................................................................................................17

3.3.2 基于MATLAB的仿真 .............................................................................................................18

3.4 PSO仿真 ..............................................................................................................................................19

3.4.1 标准测试函数 ...........................................................................................................................19

3.4.2 试验参数设置 ...........................................................................................................................20

3.5试验结果与分析 ...................................................................................................................................21

4.粒子群优化算法在支持向量机的参数优化中的应用 ..................................................................................22