摘 要:优化问题是一个古老的问题，它存在于人类生活的方方面面.其中无约束优化问题是当今信息时代应用领域很广泛的一类优化问题，对此问题的研究也随着人们实际的需要以及计算机的快速发展而逐渐深入经过大量的研究，学者们已经提出了许多无约束最优化的方法，如基于群智能的粒子群优化算法、遗传算法等搜索算法，这些算法都具有很好的优化性能.

粒子群优化算法作为智能算法的一个分支，它起源于对鸟类捕食这一群体活动的观察研究，最初由Kennedy博士和Eberhart博士提出，是不断发展壮大的一种新的优化问题解决方案.由于该算法简单且易于实现，需要调整的参数较少，现已被广泛地应用于函数优化、工程技术、通信系统设计、电子系统设计以及经济管理等众多领域.

粒子群优化算法参数的不同设置会对算法的性能产生不同的影响，研究粒子群优化算法中参数的不同调整策略对于提高算法的收敛性、精确性、稳定性、平衡全局及局部搜索能力等性能的影响具有重要意义.

本文首先描述了粒子群优化算法的研究背景和研究意义，总结了粒子群优化算法目前的研究成果，并概括了本文的主要工作和指导思想，然后分析了粒子群优化算法的原理及其特点，并介绍了粒子群优化算法的基本公式和算法流程，以及目前对粒子群优化算法的几种改进.

通过给出算法中参数的多种不同的调整策略，用Matlab编程，并针对多个基准测试函数进行计算机实验，分析了粒子群优化算法中惯性权重的不同调整策略对算法性能的影响，从而给出其中较优的参数设置方案.最后，指出本文的不足之处，并对未来的进一步研究给出了一些建议.

关键词：无约束优化问题；粒子群优化算法；参数调整；Matlab编程

目录

摘要

ABSTRACT

第1章 绪论-1

 1.1 引言-1

 1.2 粒子群优化算法的研究背景与现状-1

    1.2.1 研究背景-1

    1.2.2 研究现状-3

 1.3 粒子群优化算法参数调整的研究意义-3

第2章 粒子群优化算法介绍-5

 2.1 粒子群优化算法-5

 2.2 粒子群优化算法的基本原理和算法流程-5

第3章 参数调整策略-7

 3.1 粒子群优化算法的参数设置-7

 3.2 惯性权重的几种调整策略-7

 3.3 粒子群优化算法的改进-8

第4章 计算机实验及其结果对比与分析-11

 4.1 实验准备及方案设置-11

 4.2 基准测试函数-11

 4.3 实验结果及分析-13

第5章 结论与展望-17

 5.1 结论-17

 5.2 不足之处及未来展望-17

参考文献-19

致  谢-21