5.1对函数f(x)的最小值的寻优： 14

5.2 对函数 的最小值的寻优： 15

5.3 对函数 的最小值的寻优： 17

5.4 对函数 的最小值的寻优： 19

5.5 对函数 的最小值的寻优： 21

第六章 基于自然选择的粒子群算法优化 23

6.1 猜测最大迭代次数可能对自然选择粒子群算法有影响： 23

6.2猜测粒子数目对自然选择粒子群算法有影响： 23

第七章 基于杂交的粒子群算法优化 24

7.1 猜测最大迭代次数可能对自然选择粒子群算法有影响： 24

7.2 猜测杂交概率可能对杂交粒子群算法有影响： 24

7.3 猜测杂交池大小比例可能对杂交粒子群算法有影响： 25

第八章 基于模拟退火的粒子群算法优化 26

8.1 猜测最大迭代次数可能对模拟退火粒子群算法有影响： 26

8.2 猜测退火常数可能对模拟退火粒子群算法有影响： 26

第九章 总结与展望 29

9.1总结 29

9.2 工作展望 29

致谢 30

参考文献 31

附录 33

第一章 绪论

1.1 课题研究的背景及意义

在工程问题以及科学计算领域中，其实这些问题或者计算的本质就是求解优化算法。优化技术作为一种在数学的基础上求所有优化的解的应用技术。因为是科学的一个分支又在许多实际工程问题中有所涉及，所以受许多科学家瞩目。而且在工程问题以及科学计算领域中广泛被应用。一个引人注目的方向是：在优化技术领域中找寻一种适合用于大规模而且具有特征的智能算法。

最优化的方法就是在科学管理学和运筹学中最关键的就是最优化方法。最优化通常是极大或极小化某个多变量的函数，并满足一些等式或不等式约束。如今最优化技术的应用种类和数量都迅猛增长因而对人类社会的影响也相应增长。随着计算机日新月异的技术进步，一些过去无法计算的困难问题已经能够通过计算机来求得近似解。所以，人们对计算机求解最优解的要求也越来越高，希望计算机求解优化问题的能力也越来越高。一些简单的函数问题，一些经典的优化算法已经能取得相当精确的最优解，然而面对一些复杂而且极值并不唯一的高次函数，经典算法显然已经不能满足科学家的精度要求。所以，为了迎合显示生活中的实际工程等问题，智能优化算法是科学家们致力研究和受到热捧的一门学问。基于系统动态演化的算法及基于此类算法而构成的混合型算法又可称为智能优化算法。

算法已经很难满足现代计算的需要。一些经典的优化算法比如牛顿法，模式搜索法，单纯形法，共辆梯度法等常规优化算法渐渐无法处理人们所遇到的问题。许多学者从大自然环境中的演化过程，生物的自然规律，对需要求其最优解的问题的函数建立模型，再利用仿生原理进行算法仿真，这就是计算智能的核心思想。而群体智能算法解决了许多工程优化中的问题，这类算法在技术以及群体搜索机制中有很大改进，因为算法的参数和操作决定了搜索行为，因此算法具有较强的鲁棒性、全局以及局部搜索能力和稳定性，这种群体智能算法可以适用于任何函数，因此来弥补许多基本经典算法的不足。