学位论文 > 优秀研究生学位论文题录展示
参数协进化的改进和声搜索算法及其应用
作 者: 王偱华
导 师: 颜学峰
学 校: 华东理工大学
专 业: 控制科学与工程
关键词: 和声搜索 粒子群算法 差分进化算法 协进化 自适应控制参数
分类号: TP391.3
类 型: 硕士论文
年 份: 2012年
下 载: 12次
引 用: 0次
阅 读: 论文下载
内容摘要
优化问题普遍存在于人类活动的各个领域中,自上世纪以来,人们受各种自然现象或规律的启发,提出了很多用于解决复杂优化问题的智能优化算法,其中,和声搜索算法是近年提出的一种新颖的启发式算法,由于其结构简单、容易实现和鲁棒性好等特点,在诸多领域得到了成功应用;但和声搜索算法的性能受控制参数设置影响大,且其参数设置缺乏成熟的理论支持。为此,本文提出两种参数协进化的改进和声搜索算法,分别将粒子群优化算法和差分进化算法引入和声搜索算法,指导其控制参数进行自适应调整,为算法提供实时的最优参数。通过标准测试函数和约束优化函数的测试,结果表明:提出的改进算法性能获得很大的改进。具体的研究内容如下:(1)提出一种基于粒子群控制参数协进化的全局最优和声搜索算法(PSO-CE-GHS)。在PSO-CE-GHS中,和声搜索用来实现原始种群的进化,而粒子群用来实现控制参数共生种群的协进化。从而,随着和声向量的进化,控制参数进行动态自适应调节,获得适应当前寻优状况的实时最优控制参数。通过标准测试函数和动态约束优化问题对PSO-CE-GHS的性能进行检验,结果表明PSO-CE-GHS的性能得到很大改进。(2)提出一种基于差分进化(DE)算法控制参数协进化的和声搜索算法(DEHS)。在DEHS中,和声搜索算法的两个控制参数,也就是和声保留概率HMCR和记忆调节概率PAR,作为原始个体(和声向量)的共生个体。原始种群的进化通过和声搜索来进行,差分进化用来进行共生种群的协进化。从而实现这两个种群协同进化。仿真实验结果显示,DEHS展现出较好的性能和较高的收敛精度。同时,介绍了本文所使用的惩罚函数,通过与其他常见惩罚函数的仿真结果比较,表明本文的惩罚函数性能更优。
|
全文目录
摘要 5-6 Abstract 6-10 第1章 绪论 10-18 1.1 引言 10 1.2 传统优化方法及其局限性 10-11 1.3 智能优化算法的产生和发展 11 1.4 几种常见的智能优化算法 11-16 1.4.1 遗传算法 11-12 1.4.2 模拟退火算法 12-13 1.4.3 免疫算法 13-15 1.4.4 蚁群算法 15-16 1.4.5 粒子群优化算法 16 1.4.6 差分进化算法 16 1.4.7 和声搜索算法 16 1.5 本文的主要研究内容和章节安排 16-18 第2章 和声搜索算法 18-28 2.1 引言 18 2.2 和声搜索算法的基本原理 18-21 2.3 和声搜索算法的特点 21-23 2.4 和声搜索算法的改进 23-28 2.4.1 基于参数设置的改进 23-26 2.4.2 其他启发式算法融入和声搜索算法 26-27 2.4.3 和声搜索算法融入其他启发式算法 27-28 第3章 基于粒子群的参数协进化和声搜索算法 28-46 3.1 引言 28 3.2 几种参数动态调整的改进和声搜索算法 28-31 3.2.1 一种改进的和声搜索算法(IHS) 28-29 3.2.2 全局最优和声搜索算法(GHS) 29 3.2.3 动态自适应全局最优和声搜索算法(SGHS) 29-31 3.3 基于粒子群控制参数协进化的全局最优和声搜索算法(PSO-CE-GHS) 31-35 3.3.1 粒子群优化算法(PSO) 31-32 3.3.2 基于PSO的参数HMCR和PAR的协进化 32-35 3.3.3 动态调节BW 35 3.4 实验结果 35-41 3.5 参数分析 41-42 3.5.1 HMCR和PAR的协进化分析 41 3.5.2 ET的选取分析 41-42 3.6 基于PSO-CE-GHS的约束优化问题求解 42-45 3.7 结论 45-46 第4章 基于差分进化的参数协进化和声搜索算法 46-60 4.1 引言 46 4.2 控制参数协进化思想 46 4.3 基于差分进化算法控制参数协进化的和声搜索算法(DEHS) 46-50 4.3.1 差分进化(DE)算法 47-48 4.3.2 DEHS算法 48-50 4.3.3 动态调节BW 50 4.4 实验结果 50-53 4.5 其他变异策略的实验结果 53-55 4.6 基于DEHS的约束优化问题求解 55-56 4.7 惩罚函数的性能分析 56-59 4.8 PSO-CE-GHS和DEHS的性能比较 59 4.9 结论 59-60 第5章 总结和展望 60-62 5.1 本文总结 60 5.2 进一步研究展望 60-62 参考文献 62-68 致谢 68-69 附录 69
|
相似论文
- 基于差分进化算法的JSP环境下成套订单研究,F273
- K-均值聚类算法的研究与改进,TP311.13
- 极端气象灾害下考虑不确定断线故障的电力系统随机优化调度,TM73
- 有源电力滤波器及其在配电网中的应用,TN713.8
- K-means聚类优化算法的研究,TP311.13
- 基于粒子群的分子对接算法,R91
- 基于粒子群算法的露天矿道路路径优化研究,TP301.6
- 移动机器人路径规划研究及仿真实现,TP242
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 变邻域搜索算法研究及在组合优化中的应用,TP301.6
- 文化智能优化算法及其在约束优化问题中的应用研究,O224
- 电力系统无功优化的混合算法研究,TM714.3
- 基于QoS的无线传感器网络路由算法研究,TP212.9
- 非汛期水库群协同优化调度与应用研究,TV697.11
- 不确定环境下供应链多时段生产采购计划问题研究,F224
- 改进二进制粒子群算法在梯级水电站AGC中的应用研究,TV737
- 基于参数辨识的电力系统动态等值方法研究,TM712
- 粒子群算法在水库防洪优化调度中的应用研究,TP301.6
- 智能电网中蓄电池储能的价值评估研究,TM76
- 柔性路径下基于混合粒子群算法的跨单元调度方法,TH165
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 检索机
© 2012 www.xueweilunwen.com
|