混沌模拟退火粒子群优化算法研究及应用
混沌模拟退火粒子群优化算法研究及应用针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点，提出混沌模拟退火粒子群优化(PSO)算法.引入混沌理论对粒子群优化算法的参数进行自适应调整，提高了算法的全局收敛性能;采用模拟退火(SA)算法，依据概率性的劣向转移，以一定概率接受劣解，使算法具有跳出局部最优而实现全局最优的能力.引入自适应温度衰变系数，使模拟退火算法能够根据当前环境自动调整搜索条件，从而提高算法的搜索效率.通过7个经典函数测试混沌模拟退火粒子群优化算法的性能，并将其应用于Job Shop调度问题.仿真实验结果表明，采用新算法有效地克服了停滞现象，增强了全局搜索能力，与遗传算法、粒子群优化算法相比寻优性能更佳.
关键词:混沌;job shop调度;粒子群优化算法;模拟退火算法
页:
[1]