粒子群算法是基于群集智能、受到人工生命研究结果的启发而提出的一种现 代优化方法。作为一类随机全局优化技术,与传统优化方法相比较,对目标函数 的解析性质要求不高,所以常用于解决一些复杂的、大规模的、非线性、不可微 的优化问题,近年来受到学术界的广泛重视。 本文介绍了标准粒子群算法和几种改进粒子群算法,在利用标准粒子群算法 优点的同时,进行了一些改进,例如:在位置更新方程中设置动力参数以限制粒 子在搜索区域内、采用减弱速度更新的策略减少速度更新的次数等。在此基础上 提出一种新的交叉粒子群算法,该算法交叉运行两个不同粒子群算法,提高了算 法的搜索性能。进一步,在获得局部极小点情形下对函数采用拉伸等措施,给出 了交叉-拉伸粒子群算法来搜索全局极小点,该算法也可用来处理多个最优解的问 题。数值实验结果表明,新算法解决高维非线性的无约束优化问题表现出了良好 的性能。 最后,将本文提出的算法应用于两个实际问题:六边形阵列天线方向图优化 设计问题和模式识别领域中的支持向量机训练问题,都取得了良好效果