混沌模拟退火粒子群优化算法研究及应用

雩风三日

混沌模拟退火粒子群优化算法研究及应用

4 M8 G& o/ R% a    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.
+ C% W* N- T5 p# z% g3 p0 l
% {# j: a  X2 w: V% e" S关键词:混沌;job shop调度;粒子群优化算法;模拟退火算法
* f& t8 q" J0 D! H; j' @* L7 i* T+ H. [
: Z0 G) W( ~  F+ B* r