学位论文 > 优秀研究生学位论文题录展示
复合粒子群算法及其应用研究
作 者: 鲍琨
导 师: 谭冠政
学 校: 中南大学
专 业: 控制科学与工程
关键词: 优化问题 复合粒子群算法 组合学习策略 辅助搜索机制 函数优化问题 车辆路径问题
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 15次
引 用: 0次
阅 读: 论文下载
内容摘要
摘要:全局优化问题广泛存在于科学、工程和商业等各种领域,可以被简单地描述为一个D维最小化问题。不幸的是,由于实际应用问题的复杂性,许多优化问题都不能被传统的解析法所有效地解决,因而产生了许多数值算法诸如进化算法去解决它们。但是这类进化算法所面临的最大挑战是它们容易陷入目标函数的局部最优中,这种现象尤其在处理高维问题或者复杂的多峰问题中愈加多见。粒子群算法就是这类数值算法之一,该算法在很多优化问题中都有着比较好的效果。但是它同时也存在着很多缺陷,比如当解决复杂问题时,原始粒子群算法很容易因为种群多样性的提早丧失而陷入局部最优中。针对这样的早熟收敛问题,诞生了许多优秀的PSO算法变种。这些变种算法都擅长解决复杂问题,可是它们的收敛速度却相对较低。为了从解的质量和收敛速度两方面提高原始粒子群算法的性能,本文提出了一种复合粒子群算法(composite particle swarm optimization, CPSO),该算法使用了一个“新的学习策略复合辅助搜索机制”的结构,新的学习策略被称为组合学习策略(combination learnin strategy),该策略将粒子的个体历史最优信息和全局最优信息组合为一个学习向量去指引粒子运动,能够保留原始的搜索信息并且加快算法的收敛速度。辅助搜索机制属于一种全局搜索方法,可以大大改变粒子的搜索方向从而使算法能够有较大机会获得全局最优解。为了使辅助搜索机制更加有效率并使整个算法更加稳定,辅助搜索机制的执行概率是由每次迭代后适应度值的改善程度动态调节的。随后本文将复合粒子群算法应用于函数优化问题和车辆路径问题(vehicle routing problem, VRP)之中。在解决函数优化问题方面,采用了22个基准函数(benchmark function)对算法的性能进行了测试。在解决车辆路径问题方面,使用了不带时间窗的车辆路径问题和带时间窗的车辆路径问题对算法的性能进行了评估。这两类问题的实验均证明了复合粒子群算法的高效性。
|
全文目录
摘要 4-5 Abstract 5-7 目录 7-9 1 绪论 9-13 1.1 课题研究背景 9-11 1.2 论文的主要工作及研究成果 11 1.3 论文内容与结构 11-13 2 粒子群算法的研究基础 13-25 2.1 优化算法的相关概念 13-19 2.1.1 优化问题 13-14 2.1.2 传统优化算法 14-15 2.1.3 启发式算法 15-19 2.2 粒子群优化算法 19-23 2.2.1 粒子群算法的基本形式 19-20 2.2.2 离散粒子群算法 20-21 2.2.3 粒子群算法与其它优化算法的异同 21-22 2.2.4 当前的粒子群算法变种 22-23 2.2.5 原始粒子群算法和当前算法变种的不足 23 2.3 本章小结 23-25 3 复合粒子群算法(CPSO) 25-33 3.1 组合学习策略 25-28 3.2 辅助搜索机制 28-30 3.3 复合粒子群算法的流程 30-32 3.4 本章小结 32-33 4 复合粒子群算法求解函数优化问题 33-49 4.1 函数优化问题 33-37 4.1.1 基准测试函数 33-36 4.1.2 仿真平台 36-37 4.2 测试函数与相比较的PSO变种算法 37-40 4.3 数值实验结果与讨论 40-48 4.3.1 非固定维函数的求解精度 40-43 4.3.2 求解非固定维函数的收敛速度 43-47 4.3.3 求解固定维函数的结果 47-48 4.3.4 结论 48 4.4 本章小结 48-49 5 复合粒子群算法求解车辆路径问题 49-57 5.1 车辆路径问题 49-52 5.1.1 车辆路径问题简介 49-50 5.1.2 车辆路径问题的数学模型 50-52 5.2 算法实现过程 52-54 5.3 案例分析 54-56 5.3.1 无时间窗的车辆路径问题 54-55 5.3.2 带时间窗的车辆路径问题 55-56 5.4 本章小结 56-57 6 总结与展望 57-59 6.1 工作总结 57 6.2 研究展望 57-59 参考文献 59-64 致谢 64-66 攻读硕士学位期间发表的学术论文 66
|
相似论文
- 规模动态增长的车辆路径优化问题,U116.2
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于克隆免疫算法的应急物流车辆路径模型的研究,U116.2
- 多生产点烟草企业的原材料运输车辆路径问题研究,F426.8
- 基于磁滞优化的车辆路径问题研究,O224
- 基于不变式的程序验证工具的设计与实现,TP311.11
- 基于改进PSO的发酵补料速率的优化控制,TQ920.6
- 基于混合量子进化算法的随机车辆路径问题的研究,O242.1
- 基于蚁群—粒子群混合算法的电力系统无功优化,TM714.3
- 带服务优先级的煤矿物资配送车辆路径问题研究,F426.1;F274
- 动态多目标车辆路径问题的算法研究,O221.6
- 多目标差分进化混合算法研究及其在磨矿分级中的应用,TP301.6
- 优化问题的PVD算法研究,O224
- 带软时间窗和同时取送货的车辆路径问题研究,TP18;O242.1
- 基于改进遗传算法的物流配送路径优化研究,U116.2
- 基于两层次聚类的车辆配载调度方法,U492.22
- 货运配载VRP问题的路径匹配算法,U492.4
- 仓储库位分配问题中的智能优化方法研究,TP18
- 基于TDVRP和STDVRP模型的金融押运车辆路径问题研究,F832.3
- 大规模实时动态车辆路径问题研究,F224
- 非线性全局优化问题的填充函数算法研究,O224
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|