基于元胞自动机的微粒群算法研究

论文摘要

微粒群算法是一种基于群体智能的随机优化算法。其思想来源于人工生命和演化计算理论。微粒群算法通过微粒追随自己找到的最好解和群体找到的最好解来完成优化。该算法由于容易实现、可调参数少等特点引起了学术界的广泛关注。本文从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,并利用元胞自动机的邻域及元胞自动机的一些特性,提出了基于元胞自动机的小生境微粒群算法;然后分析了引入元胞自动机邻域结构的必要性,并对微粒群算法局部最好模型的基本邻域和元胞自动机的几种邻域结构进行了系统的分析研究,指出了针对不同的函数虽然应该选用不同的邻域,但存在一些好的邻域结构,它们往往更适合广泛范围函数的优化;最后,分析了微粒群局部最好模型算法和一种基于邻域思想的微粒群算法与标准微粒群算法的关系,并利用函数优化中使用较为稳定的扩展摩尔型邻域,提出了一种基于邻域思想改进的微粒群算法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 进化算法
• 1.2 微粒群算法
• 1.2.1 微粒群算法相关理论
• 1.2.2 微粒群算法的研究背景和应用
• 1.2.2 微粒群算法的研究方向
• 1.3 元胞自动机
• 1.3.1 元胞自动机相关理论
• 1.3.2 典型的元胞自动机
• 1.3.3 元胞自动机的应用
• 1.4 本文主要完成的工作
• 第二章 基于元胞自动机的小生境微粒群算法
• 2.1 小生境
• 2.2 LBEST模型的基本邻域结构
• 2.3 微粒群算法的元胞自动机描述
• 2.4 元胞自动机邻域结构提出的依据
• 2.5 实例仿真
• 2.5.1 测试函数
• 2.5.2 测试结果
• 2.5.3 结论
• 2.6 小结
• 第三章 局部最好模型邻域结构研究
• 3.1 LBEST模型
• 3.1.1 Lbest 模型算法实现步骤
• 3.1.2 Lbest 模型基本邻域结构
• 3.2 选择元胞自动机邻域结构的依据
• 3.2.1 元胞自动机的几种邻居模型（详细内容见第一章）
• 3.2.2 选择元胞自动机邻域结构的依据
• 3.3 基于实验的元胞自动机邻域结构研究
• 3.3.1 测试函数
• 3.3.2 仿真结果
• 3.3.3 评价函数优化性能的方法
• 3.3.4 结论
• 3.4 小结
• 第四章 基于邻域思想改进的微粒群算法
• 4.1 微粒群算法
• 4.2 局部最好模型和基于邻域思想的微粒群算法
• 4.2.1 Lbest 模型算法实现步骤
• 4.2.2 基于邻域思想的微粒群算法
• 4.3 LBEST模型和基于邻域思想的PSO 与基本PSO 的关系
• 4.4 扩展摩尔型邻域结构
• 4.5 基于邻域思想改进的微粒群算法
• 4.5.1 算法实现步骤
• 4.5.2 算法邻域结构的提出
• 4.5.3 微粒编码
• 4.5.4 边界条件
• 4.6 实验仿真
• 4.6.1 测试函数
• 4.6.3 达到精度时停止搜索
• 4.7 结论
• 4.8 小结
• 结论
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文