粒子群算法改进及应用

粒子群算法改进及应用

论文摘要

粒子群优化算法最早是由Eberhart和Kennedy模拟自然界的生物群体觅食提出的一种群智能化方法。后来Shi等人引入惯性权重来更好的控制收敛和探索,形成了当前的标准PSO算法。由于该算法实现简单,需要调整的参数少,已被广泛地应用于函数优化、通信系统设计、电子系统设计以及经济管理等领域。粒子群算法已经被国内外学者认为是一种有效的优化方法,但是自身也存在着一些缺点,比如在搜索后期易陷入局部最优和出现早熟现象。如何加快粒子群算法的收敛速度和避免出现早熟收敛,一直是研究者关注的重点。本文在基本粒子群算法的基础上,进行了一些改进。引入云理论把粒子群分为三个种群,用云方法修改粒子群算法中惯性权重,同时修改速度更新公式中的“认知部分”和“社会部分”,加入“均值”的概念,提出一种基于均值的云自适应粒子群算法;考虑惯性权重对算法的影响,较大的权值有利于提高算法的全局搜索能力,而较小的权值会增强算法的局部搜索能力。提出了一种基于位置多样性和种群多样性来修改惯性权值的粒子群优化算法。让惯性权值随着位置移动的长短和适应度的大小来改变。最后把改进的方法应用在求解工程约束优化问题中。数值实验结果表明,改进的算法对于高维非线性的无约束优化问题表现出了良好的性能,对工程实例的约束优化问题也显示了其优越性。将人工萤火虫算法与粒子群算法结合提出一种基于萤火虫算法感知范围的粒子群算法。并应用到求解工程实例约束优化问题中,实验结果也表明了改进算法的有效性和正确性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 群智能算法研究背景
  • 1.2 国内外研究现状
  • 1.3 本文的主要内容和创新点
  • 第二章 粒子群算法
  • 2.1 粒子群算法简介
  • 2.2 基本粒子群算法
  • 2.3 粒子群算法流程
  • 2.4 粒子群算法的改进
  • 2.4.1 参数的改进
  • 2.4.2 协同PSO算法
  • 2.4.3 离散PSO算法
  • 2.5 粒子群算法的应用
  • 2.6 本章总结
  • 第三章 基于均值的云自适应粒子群算法
  • 3.1 云理论
  • 3.2 基于均值的云自适应粒子群算法(CAMPSO)
  • 3.2.1 自适应调整策略
  • 3.2.2 云自适应均值粒子群优化算法
  • 3.4 算法实现
  • 3.5 实验仿真
  • 3.5.1 实验函数
  • 3.5.2 实验结果
  • 3.6 本章小结
  • 第四章 基于三角形更新规则的自适应粒子群算法
  • 4.1 随机惯性权重的构造
  • 4.2 基于三角形更新规则的自适应粒子群算法
  • 4.3 算法实现
  • 4.4 实验仿真
  • 4.4.1 测试函数
  • 4.4.2 实验结果
  • 4.5 本章小结
  • 第五章 基于GSO的PSO算法及在约束优化中的应用
  • 5.1 约束处理的转化及数学模型
  • 5.1.1 约束处理的转化
  • 5.1.2 数学模型
  • 5.2 基于萤火虫思想的粒子群优化算法
  • 5.2.1 人工萤火虫算法
  • 5.2.2 基于萤火虫思想的粒子群优化算法
  • 5.3 算法实现
  • 5.4 数值仿真与分析
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 研究展望
  • 参考文献
  • 附录
  • 致谢
  • 攻读学位期间参加的科研项目
  • 攻读学位期间发表的学术论文
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  ;  ;  

    粒子群算法改进及应用
    下载Doc文档

    猜你喜欢