一种改进的粒子群优化算法及其应用

一种改进的粒子群优化算法及其应用

论文摘要

粒子群优化算法(Particle Swarm Optimization Algorithm,简称PSO)源于鸟群和鱼群等群体运动行为的研究,是由Kennedy和Eberhart在1995年提出的一种基于群体搜索策略的全局优化技术。群体中的每一个粒子位置代表优化问题的一个候选解,通过粒子间的交互作用发现复杂搜索空间中的最优区域。由于算法的收敛速度快、设置参数少,已经成为一种重要的优化工具。现在,粒子群算法在函数优化、神经网络训练、模式分类、模糊系统控制以及在其它工程领域都得到了广泛应用。本文对粒子群算法进行了详细的分析,在介绍了原始PSO算法的基本原理、数学描述、算法参数和流程的基础上,又介绍了标准的PSO算法,同时对PSO算法的各种改进、应用及其收敛性进行了较为系统的论述。本文通过对十年来粒子群改进算法的研究,发现大多数学者都集中在对惯性因子的改进,而实验表明两个学习因子对算法的收敛性和收敛速度有着重要影响。据此,本文采用一种正态函数策略来动态的调整两个学习因子的值,实现学习因子异步长变化,通过对惯性因子的动态调节,并与其它的几种不同策略(如开方函数、二次函数等)进行比较分析,发现正态函数具有较好的收敛速度和收敛精度。基于PSO算法容易陷入局部最优的缺点,在动态调节学习因子的基础上,引入变异算子,对极值进行随机扰动,增强算法的全局搜索能力,这就是本文提出的改进的粒子群优化算法—MNORPSO算法。最后,我们用改进的粒子群优化算法来求解参数估计和优化问题,并与标准的粒子群优化算法及目前较好的算法对比,该算法提高了算法的收敛速度和精度,具有更好的稳定性。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 粒子群优化研究现状
  • 1.3 本文的主要工作
  • 第二章 粒子群优化算法的原理
  • 2.1 原始粒子群优化算法
  • 2.1.1 算法原理
  • 2.1.2 算法的数学描述
  • 2.1.3 算法的图形演示
  • 2.1.4 粒子群优化算法的基本过程
  • 2.1.5 算法的社会行为分析
  • 2.2 标准粒子群优化算法
  • 2.2.1 惯性权重的引入
  • 2.2.2 收敛因子的引入
  • 2.2.3 粒子群优化算法的收敛性分析
  • 2.3 PSO 算法的应用
  • 2.4 应用PSO 算法步骤
  • 2.5 本章小结
  • 第三章 粒子群优化算法的发展和改进
  • 3.1 引言
  • 3.2 改进思路
  • 3.2.1 粒子群初始化
  • 3.2.2 邻域拓扑
  • 3.2.3 参数选择
  • 3.2.4 迭代公式
  • 3.2.5 混合PSO 算法
  • 3.3 本章小结
  • 第四章 基于学习因子PSO 算法的改进
  • 4.1 PSO 算法的参数经验设置
  • 4.2 对学习因子的改进
  • 4.3 三组函数的实验研究
  • 4.3.1 测试函数
  • 4.3.2 测试方案和仿真实验
  • 4.4 带变异算子的NORPSO 算法
  • 4.4.1 变异算子的引入
  • 4.4.2 仿真实验
  • 4.5 本章小结
  • 第五章 M NO R PSO 在参数估计中的应用
  • 5.1 参数估计介绍
  • 5.2 回归分析中基于M N O RPSO 参数估计
  • 5.2.1 算例分析
  • 5.2.2 仿真实验
  • 5.3 本章小结
  • 附录1
  • 总结
  • 参考文献
  • 攻读硕士学位期间取得的研究成果
  • 致谢
  • 相关论文文献

    • [1].粒子群优化算法在港口船舶物流中的应用[J]. 舰船科学技术 2020(04)
    • [2].求解电力系统经济调度问题的改进粒子群优化算法[J]. 控制与决策 2020(08)
    • [3].基于改进粒子群优化算法的溶解氧调控系统设计[J]. 传感器与微系统 2020(06)
    • [4].基于改进粒子群优化算法的微电网经济调度研究[J]. 上海电气技术 2020(02)
    • [5].粒子群优化算法[J]. 软件 2020(05)
    • [6].基于扩容和双距离决策的多目标粒子群优化算法[J]. 重庆邮电大学学报(自然科学版) 2020(03)
    • [7].改进粒子群优化算法及其在聚类分析中应用[J]. 系统仿真学报 2020(08)
    • [8].优质个体最优动态空间变异的粒子群优化算法[J]. 计算机应用研究 2020(08)
    • [9].基于自适应粒子群优化算法的无人机三维航迹规划[J]. 海军航空工程学院学报 2020(03)
    • [10].基于并行结构的多种群粒子群优化算法[J]. 传感器与微系统 2020(09)
    • [11].融入社会影响力的粒子群优化算法[J]. 计算机科学与探索 2020(11)
    • [12].基于改进粒子群优化-反向传播神经网络的制造业产能预测[J]. 机械制造 2019(03)
    • [13].层次学习骨干粒子群优化算法[J]. 控制与决策 2016(12)
    • [14].一种面向网络边缘任务调度问题的多方向粒子群优化算法[J]. 计算机应用与软件 2017(04)
    • [15].基于粒子群优化的组播路由算法研究[J]. 信息与电脑(理论版) 2017(10)
    • [16].改进的粒子群优化算法的研究[J]. 科技创新与生产力 2017(09)
    • [17].一种改进的粒子群优化算法[J]. 陕西师范大学学报(自然科学版) 2016(02)
    • [18].改进惯性权重的简化粒子群优化算法[J]. 湖北民族学院学报(自然科学版) 2016(01)
    • [19].粒子群优化算法基本研究[J]. 科技经济导刊 2016(21)
    • [20].中心粒子群优化算法[J]. 电子测试 2014(23)
    • [21].基于粒子群优化算法的器件模型表面势求解[J]. 计算机时代 2015(03)
    • [22].具有反向学习和自适应逃逸功能的粒子群优化算法[J]. 计算机应用 2015(05)
    • [23].基于不同学习模型的精英反向粒子群优化算法[J]. 小型微型计算机系统 2015(06)
    • [24].改进惯性权重的粒子群优化算法[J]. 河西学院学报 2020(05)
    • [25].基于粒子群优化算法的算法实现及建筑生形——模拟鸟类觅食形态的建筑雏形设计[J]. 华中建筑 2020(02)
    • [26].基于动态种群的双重学习粒子群优化算法[J]. 南昌工程学院学报 2020(01)
    • [27].基于博弈机制的多目标粒子群优化算法[J]. 计算机工程与设计 2020(04)
    • [28].求解特征值互补问题的基本粒子群优化算法[J]. 内蒙古民族大学学报(自然科学版) 2020(03)
    • [29].进化状态判定与学习策略协同更新的二进制粒子群优化算法[J]. 浙江工业大学学报 2020(05)
    • [30].粒子群优化算法中惯性权重改进策略综述[J]. 渤海大学学报(自然科学版) 2019(03)

    标签:;  ;  ;  ;  

    一种改进的粒子群优化算法及其应用
    下载Doc文档

    猜你喜欢