1. 研究目的与意义及国内外研究现状

粒子群算法自1995年被提出之后，得到了数值优化领域的广泛关注，吸引了大量的研究者。如何加快算法的收敛速度和避免早熟收敛问题，一直是大多数研究者关注的重点，也是所有随机搜索算法共同面临的两个主要难题。这两个问题之间本身就存在很复杂的关系，在很多情况下是互相冲突的两个目标。在避免早熟收敛方面，现有的大量研究涉及如何让算法跳出局部最优点。在加快收敛速度方面，主要的工作集中在如何选择最优的算法参数，以及从其他智能优化算法中借鉴一些思想对pso算法的主要框架加以修改。

粒子群优化技术的应用领域己扩展到组合优化、数据分类、数据聚类、模式识别、电信qos管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辩识等方面。

由此可见，作为一类现代启发式优化算法，粒子群优化算法理论及其应用研究都具有相当重要的学术意义和现实价值。

2. 研究的基本内容

本文尝试采用结合遗传算法、蚁群算法和模拟火算法的思想的混合粒子群算法解决典型的离散优化问题tsp问题，主要工作如下：

1．在查阅大量参考文献的基础上综述了pso算法的产生背景、发展历程和研究现状，以及tsp问题的研究意义，同时阐述了pso算法求解组合优化问题的步骤。

2．详细的介绍基本的pso算法及改进pso算法的模型和算法的实现，并通过仿真分析和对比了算法的性能。

3. 实施方案、进度安排及预期效果

第一阶段：3.1-3.20与老师商讨，确定论文研究方向和题目,确定一个有研究价值的题目

第二阶段：3.20-4.1查阅资料，确定设计内容并安排时间

第三阶段：4.1-5.1对算法进行改进研究并利用gui对其进行了仿真,并使仿真结果满足实验要求

4. 参考文献

[1] 高尚，韩斌. 求解旅行商问题的混合粒子群优化算法. 控制与决策. 2004. 19（11）：1286-1289

[2] 混合粒子群协同优化算法及其应用研究.华中科技大写博士论文.2009年5月14日

[3] 陈利. 基于混合粒子群算法的物流配送车辆路径问题的研究.中南大学硕士学位论文.2007年5月20日