分区间的混沌粒子群优化方法研究及应用

论文摘要

目前由于实际系统优化问题的规模越来越大,约束条件不断增多,非线性严重,致使系统优化难度越来越大,因此,粒子群及其改进算法成为相关学科的研究热点。国内外很多学者对其进行了研究,并在很多方面得到了应用。由于在粒子群模型中,粒子群一旦找到一个极值很快就收敛,容易陷入局部最优,粒子群模型描述的系统没有一定要找到全局最优的机制,求得的最优粒子只是适应度较好的粒子,因此需要对粒子群算法进行改进。其中一个改进方法是引入了混沌的思想,基于混沌搜索的优化方法利用混沌运动的遍历性特点,即混沌运动能够在一定范围内按其自身的“规律”不重复地遍历所有状态,将混沌状态引入到优化变量中,然后利用混沌变量进行搜索。本文分析了混沌粒子群算法解的精度难以保证的原因,混沌粒子群算法虽然能使粒子在自变量的全部空间中进行搜索,但后期搜索尺度过大,极值精度难以保证。因此本文提出了分区间的混沌粒子群优化算法,它能使粒子群在选定的自变量区间内进行搜索,缩小了搜索空间的范围,使找到的解更接近全局最优解。本文用分区间的混沌粒子群优化方法对Benchmark函数优化问题进行了求解。并在相同条件下,与粒子群改进算法、混沌粒子群算法的结果进行了比较,证明了分区间的混沌粒子群优化算法在优化效果和稳定性方面都优于以上算法,是一种更为有效的方法。在此基础上,用分区间的混沌粒子群算法对流程工业中典型优化问题进行了仿真计算,解决流程工业中的典型非线性规划问题,在运行时间和优化效果方面取得了很好的结果。该算法具有很强的通用性,且无需问题的特殊信息,因此其可成功应用在流程工业中。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 群体智能理论
• 1.3 研究意义
• 1.4 本文的主要工作
• 第二章 粒子群算法
• 2.1 引言
• 2.2 粒子群算法的发展
• 2.3 基本粒子群算法
• 2.4 标准粒子群算法
• 2.4.1 惯性权重的引入
• 2.4.2 收缩因子的引入
• 2.5 实验设计及结果分析
• 2.6 本章小结
• 第三章 混沌
• 3.1 引言
• 3.2 混沌优化
• 3.3 几种常用的混沌系统及性质
• 3.3.1 Logistic混沌系统
• 3.3.2 Lorenz混沌系统
• 3.3.3 Rossler混沌系统
• 3.3.4 Henon混沌系统
• 3.4 混沌搜索
• 3.5 本章小结
• 第四章 混沌粒子群
• 4.1 引言
• 4.2 混沌粒子群优化算法的原理
• 4.3 混沌粒子群算法的步骤
• 4.4 实验结果及分析
• 4.5 本章小结
• 第五章 分区间的混沌粒子群优化方法
• 5.1 引言
• 5.2 分区间的混沌粒子群算法
• 5.3 实验结果及分析
• 5.4 区间个数对优化结果的影响
• 5.5 本章小结
• 第六章 分区间的混沌粒子群优化方法在流程工业中的应用
• 6.1 引言
• 6.2 流程工业中的优化技术
• 6.2.1 流程工业中优化问题的描述
• 6.2.2 非线性规划问题的求解方法
• 6.3 在原料混匀优化中的应用实例
• 6.4 本章小结
• 第七章 结论
• 参考文献
• 在学研究成果
• 致谢