- 上一篇：温度采集上位机软件开发+文献综述
- 下一篇：多天线无线通信系统的先进检测算法研究
2.3 基于模拟退火的算法SIMUAPSO 9
2.3.1 基于SimuAPSO算法原理 10
2.3.2 SimuAPSO算法的流程 10
3 基于MATLAB的混合粒子群算法的实现 12
3.1 MATLAB软件 12
3.2 基于MATLAB的SELPSO实现 14
3.3 基于MATLAB的BREEDPSO实现 14
3.4 基于MATLAB的SIMUAPSO实现 14
4 基于MATLAB的混合粒子群算法的改进 16
4.1 基于SELPSO算法的改进 16
4.2 基于BREEDPSO算法的改进 16
4.3 基于SIMUAPSO算法的改进 16
5 基于MATLAB的粒子群算法的实现 18
5.1 基准测试函数 18
5.2 实验与结果分析 25
5.2.1 参数设置 25
5.2.2 实验结果以及分析 25
6 总结与展望 32
6.1 总结 32
6.2 展望 32
致谢 33
参考文献 34
附录1 35
附录2 36
附录3 38
附录4 40
附录5 42
1 绪论
随着社会的发展，在生产管理、工程设计、交通运输、经济规划等科学研究领域中，人们往往会遇到怎样分配有限的资源？怎样才能提高产值和利润？这样的求解优化问题广泛存在于科学研究和工程实践中，由于复杂的优化算法具有多文性，非线性，多极值等特性，传统的优化方法往往比较难以提供较为有效的解决方案。自然计算作为一门近期才发展起来的智能计算科学，这些算法不仅具有很强的全局搜索能力，而且具有很强的鲁棒性。自然计算对于求最优问题也有其独到之处。
随着对最优问题的不断深入研究，人们发现最优问题据有多文的、线性的、非线性的、连续的、离散的等特性，在非常复杂情况下要想完全精确的求出其最优解是不可能的，因而求出近似最优解是人们的重点着手点之一。总的来说，求最优解或近似最优解的方法主要有三种：枚举法、启发式算法和搜索算法。
枚举法：枚举是举例出对要求解问题的所有可能情况，以便求出精确的最优解。相对于连续问题，该方法要求先对其进行离散化处理，这样就有可能产生离散误差而无法达到最优解。另外，当枚举可行解空间较大时，该方法的求解效率会成几何的降低。
启发式算法：寻找一种能产生可行解的启发式规则，以便找到一个最优解或近似最优解。该方法的求解效率虽然比较高，但对每一个需要求解的问题都必须找出其特有的启发式规则，这种启发式规则无通用性，不适合于其他问题。对于某个求解问题都要寻找其规则，这样使求解简单问题时会变的非常的复查。
搜索算法：寻找一种搜索算法，该算法在可行解空间的一个子空间内进行搜索操作，以找到问题的最优解或近似最优解。该方法虽然无法保证一定能够得到问题的最优解，但是若适当地利用一些启发知识，就可以近似的使解的质量和求解效率达到一个较好的水平。
1.1 自然计算
自然计算主要是研究通过借鉴和模仿自然界生物的功能、特点、现象以及行为，从而得到的算法或计算系统设计的一门学科。计算机发展到今天，其计算能力发生了翻天覆地的变化，已经成为我们不可或缺的强大计算工具。然而与此相对的，计算机在学习、归纳、组织等能力方面的发展却极为缓慢，在解决问题的时候往往缺乏灵活性、鲁棒性和智能性，不具备自动适应环境变化的能力，极大地限制了它在越来越复杂的应用背景中的使用。另一方面，例如自然界中的生物人，甚至更低级的物种都能够相对轻松地应对环境变化，对遇到的问题能提供快速而智能的解决方案，且具有自适应、自织、自学习的能力，非常值得研究、设计计算机算法时借鉴。自然计算的基本思想就是通过研究自然界生物体的功能、特点及其作用机理所蕴含的丰富的信息处理机制，抽象出相应的计算模型，进而设计相应的算法并应用于相关领域，使计算机能够智能地解决更为复杂的问题。