融合粒子群的全局优化混合智能算法研究

论文摘要

粒子群优化算法是一种基于种群搜索策略的自适应的随机优化算法,由于其简单易实现,收敛速度快,目前已被广泛应用于神经网络、模糊系统控制、模式识别等多个领域,所以研究和掌握其特性与规律是一个具有理论和应用两个方面重要意义的课题,同时对其应用领域的拓展也有重要的现实意义。本文在分析基本粒子群优化算法的基础上,对其算法的改进和应用做了较为系统的研究工作。本文的主要研究内容如下:1、提出了两种改进的粒子群优化算法:非线性递减惯性权重策略的粒子群优化算法和带有种群的平均信息和保持活性策略的粒子群优化算法。数值试验表明,这两种算法的寻优性能都优于基本的PSO算法。2、针对粒子群优化算法的早熟收敛问题和后期的振荡现象,提出了三种带有变异算子混合的粒子群优化算法:带有指数递减的惯性权重和随机变异的粒子群优化算法、带有随机变异和速度方程改进的粒子群优化算法和带有自适应阀值变异的粒子群优化算法。数值试验表明,这三种改进的算法都具有较强的全局寻优能力。3、针对约束优化问题,提出了两种混合的粒子群优化算法:基于外点法的求解约束优化问题混合粒子群算法和一种非线性约束优化问题改进的混沌粒子群算法。数值实验表明,这两种新算法都是有效的和稳健的。4、提出了一种求解0-1非线性规划问题的罚函数-粒子群优化算法。数值试验表明,此算法简单,易于实现,收敛速度快,精度高。总之,本文对粒子群优化算法的改进及其应用进行了较为全面深入的分析研究,最后对所做工作进行了总结,并提出了进一步研究的方向。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外研究现状
• 1.3 本文的研究目的和研究内容
• 1.3.1 本文的研究目的
• 1.3.2 本文的主要研究内容
• 1.3.3 本文的篇章结构
• 第2章 粒子群优化算法概述
• 2.1 引言
• 2.2 粒子群优化算法描述
• 2.2.1 算法原理
• 2.2.2 算法流程
• 2.2.3 算法的拓扑结构
• 2.2.4 算法邻域结构
• 2.3 粒子群优化算法与其他进化算法比较
• 2.4 粒子群优化算法的改进策略
• 2.4.1 调整惯性权重
• 2.4.2 引入收缩因子
• 2.4.3 调整粒子状态量
• 2.4.4 引入邻域算子
• 2.4.5 结合进化计算
• 2.4.6 其他改进策略
• 2.5 粒子群优化算法的应用
• 2.6 本章小结
• 第3章 两种改进的粒子群优化算法
• 3.1 引言
• 3.2 一种非线性递减惯性权重策略的粒子群优化算法
• 3.2.1 惯性权重的取值分析
• 3.2.2 非线性动态递减惯性权重
• 3.2.3 数值试验与结果分析
• 3.2.4 结论
• 3.3 带有种群平均信息和保持活性策略的粒子群优化算法
• 3.3.1 改进的粒子群优化模型
• 3.3.2 新算法（BPSO）的描述
• 3.3.3 数值试验与分析
• 3.3.4 结论
• 3.4 本章小结
• 第4章 带有变异算子的混合粒子群优化算法
• 4.1 引言
• 4.2 带有指数递减惯性权重和随机变异的粒子群优化算法
• 4.2.1 指数递减的惯性权重
• 4.2.2 自适应变异策略
• 4.2.3 算法（EDM-PSO）的描述
• 4.2.4 数值实验与分析
• 4.2.5 结论
• 4.3 带有随机变异和速度方程改进的粒子群优化算法
• 4.3.1 速度方程的改进与线性递减的惯性权重
• 4.3.2 自适应变异策略及算法（MIPSO）的描述
• 4.3.3 数值实验与分析
• 4.3.4 结论
• 4.4 带有自适应阀值变异的粒子群优化算法
• 4.4.1 指数递减的惯性权重与自适应变异策略
• 4.4.2 带有自适应阀值变异粒子群优化算法（AMPSO）的描述
• 4.4.3 数值试验及结果分析
• 4.4.4 结论
• 4.5 本章小结
• 第5章 基于外点法的求解约束优化问题混合粒子群算法
• 5.1 引言
• 5.2 随机变异策略和违反约束的处理技术
• 5.2.1 种群的随机变异策略
• 5.2.2 违反约束的处理技术
• 5.3 混合粒子群优化算法
• 5.4 数值实验
• 5.5 结论
• 第6章 非线性约束优化问题改进的混沌粒子群算法
• 6.1 引言
• 6.2 混沌初始化策略及基本粒子群算法的改进
• 6.2.1 混沌初始化
• 6.2.2 基本粒子群优化算法的改进及变异策略
• 6.3 非线性约束优化问题的改进混沌PSO 算法
• 6.3.1 约束的处理技术
• 6.3.2 违反搜索空间的处理技术
• 6.3.3 改进粒子群优化算法（IPSO）
• 6.4 数值实验及分析
• 6.5 结论
• 第7章 求解0-1 非线性规划问题的罚函数-粒子群优化算法
• 7.1 引言
• 7.2 0-1 非线性规划问题
• 7.3 求解0-1 非线性规划的粒子群优化算法
• 7.3.1 随机变异策略
• 7.3.2 混合算法的描述
• 7.4 数值实验
• 7.5 结论
• 第8章 研究工作总结与展望
• 8.1 研究工作的总结
• 8.2 未来的工作展望
• 参考文献
• 附录1：常用的无约束优化问题的测试函数
• 附录2：常用的约束优化问题的测试函数
• 致谢
• 攻读硕士期间撰写的论文和参与项目及作者简介
• 一、硕士期间撰写的论文
• 1 发表和录用的学术论文
• 2 已投稿的学术论文
• 二、在校期间参与的科研项目
• 三、作者简历