摘要：作为一种新型仿生算法，粒子群算法一经面世就受到了国内外很多学者的关注。粒子群算法具有易理解、参数少、易实现、收敛速度快等特点，所以其应用领域非常广泛，例如神经网络训练、聚类分析及信息共享优化等领域。同时也因为其发现较晚，研究尚处于初期，其理论研究及工程应用需要不断充实。因此以粒子群算法为主要研究对象进而求解实际问题是很有意义的。

本文首先对课题研究的目的和意义进行了介绍；并讨论国内外对粒子群算法研究、发展的趋势以及本课题研究的内容与方案；然后通过简要介绍基本粒子群算法的一些相关知识，引出了混合的粒子群算法以及近些年来学者们广泛关注的改进混合粒子群算法；提出一种新型的基于遗传算法特性的混合粒子群算法，在求解TSP问题中实验并对结果分析。最终得出这种新型的基于遗传算法特性的混合粒子群算法在求解TSPburma14问题具有较好的表现，且测试粒子群算法的迭代次数多少和种群规模大小影响着整体算法性能。

关键词：粒子群算法  混合粒子群算法  TSP问题  算法优化

目录

摘要

Abstract

1.概述-1

1.1课题的目的和意义-1

1.2国内外对粒子群算法研究现状与发展趋势-1

1.3本课题所研究的主要内容-2

1.4小结-3

2.粒子群算法-4

2.1粒子群算法演化模型-4

2.2粒子群算法的数学描述-4

2.3标准粒子群算法的实现步骤-5

2.4粒子群算法的局限性-6

2.5小结-7

3.粒子群算法与遗传算法的比较-8

3.1遗传算法介绍-8

3.2粒子群算法与遗传算法（GA）的比较-9

3.3混合粒子群算法-10

4.基于遗传算法特性的混合粒子群算法-11

4.1主要思想-11

4.2主要流程-12

4.3C平台下的程序模块-12

5.粒子群算法求解旅行商（TSP）问题-16

5.1旅行商（TSP）问题-16

5.2混合粒子群算法求解burma14问题-16

5.3测试迭代次数对算法的影响-18

5.4测试种群规模对算法的影响-20

5.5实例：求解web服务优化组合的顺序路径问题-22

5.5.1算法的步骤-22

5.5.2实验测试-23

6.结论-25

致    谢-26

参考文献-27

附    录-29