-
粒子群算法的产生与发展伴随着生产、经济和技术的不断发展，全球已经进入了信息化时代。各国之间的较量也就是科学技术的较量。要想立足全球，必须有过硬的经济实力和技术实力，这就需要各行各业都必须是低投入、高回报，怎样才能做到这些呢?这实际上就是一个如何进行优化的问题。优化是一个人们普遍理解和接受的概念，也就是人们按理性行为从事，总希望把它做好，做出效率，做出效益。但是在实际中，大多数问题是非线性甚至是不可微的，传统的优化方法是不能够解决的。39293
- 上一篇：工程测量的技术国内外研究现状综述
- 下一篇：锂离子电池电极材料材料表面包覆研究现状
许多研究者把目光投向了广阔的大自然，认识到自然界的演化过程本身就是一个学习与优化的过程，把生物学进化的一些基本概念和机理应用到工程问题的研究中。自然界依据“适者生存”这一基本原则，就能保持整个自然界处于“平衡"状态。受自然界生物规律的启迪，根据其原理，模仿求解问题的算法，这就是仿生学。利用仿生原理进行设计(包括设计算法)，这就是智能计算的思想。论文网
2粒子群算法的研究现状
粒子群算法已经广泛地应用到神经网络、化工系统、电力系统、机械设计、通信、机器人、经济、图像处理、生物、医学、运筹学等领域。Messerschmidt等利用基于PSO算法神经元网络来预测树叶节点的状态；Ourique使用PSO算法来估计在化工动态模型中产生不同动态现象(例如周期振荡、双周期振荡、混沌等)的参数区域，仿真结果显示PSO算法提高了传统动态分叉分析的速度；Gaing利用PSO算法有效地解决了满足发电机约束的电力系统经济调度问题；Kovacs利用PSO算法优化设计碳纤文强化塑料；Zhang等将PSO算法用于光通信系统的PMD补偿问题；Venayagamoorthy等利用PSO算法和基于PSO算法的模糊控制器对可移动式传感器进行导航；Nenoetaite等利用PSO算法和神经元网络解决最大利益的股票交易决策问题；Paarsopoilos等利用PSO算法对用于放射治疗的模糊认知图的模型参数进行优化；Rasmussen等利用PSO算法训练马尔可夫模型来处理蛋白质序列比对问题，克服了利用Baum-Welch算法HMMs时容易陷入局部极小的缺点；Tasgetiren等提出置换流水线问题的基于可变邻域搜索的算法。