学位论文 > 优秀研究生学位论文题录展示

多目标粒子群优化算法及其应用

作　者: 裴胜玉
导　师: 周永权
学　校: 广西民族大学
专　业: 计算数学
关键词: 粒子群多目标优化拥挤距离约束优化均值混沌变异
分类号: TP301.6
类　型: 硕士论文
年　份: 2010年
下　载: 364次
引　用: 1次
阅　读: 论文下载

内容摘要

粒子群优化算法(Particle swanll optimization，Pso)是一种启发式搜索技术，模拟鸟群觅食的行为。该算法具有通用性强，原理简单，容易实现，协同搜索等优点。但算法同时也存在着局部搜索能力较差，容易陷入局部极小解，理论不完善等不足。本文针对Pso的缺点和多目标优化的特点，提出一些新的机制和策略，改进了基本粒子群优化算法。将改进后粒子群优化算法用于多目标优化问题。本文所取得的主要研究成果如下：(1)在粒子群优化算法中运用Pareto非支配思想，引入锦标赛规则和拥挤距离选择技术，改进传统的粒子更新规则，以适应多目标优化问题的求解，提高粒子群算法的搜索效率。(2)采用双种群搜索策略，引入免疫机制，添加约束支配原则，提高种群多样性，防止形成早熟，以适应约束多目标优化问题的求解。(3)在粒子群优化算法中运用拥挤距离变化率，自适应调整算法最重要的性能参数惯性权因子，提高算法的全局搜索效率，将约束优化问题进行适度转化，以便于自适应多目标粒子群算法求解约束优化问题。(4)在粒子群优化算法中灵活使用均值策略，改进传统粒子速度更新公式，克服传统粒子群优化算法在求解多目标优化问题中易于陷入局部极值的缺点。(5)在粒子群优化算法进化后期加入混沌变异操作，采用轮盘赌方法从精英解集中选择群体最优位置，有效避免算法早熟收敛，以适应解集分布非均匀的多目标优化问题。

全文目录

摘要  3-4
ABSTRACT  4-6
目录  6-9
第一章绪论  9-12
  1.1 多目标粒子群优化算法研究现状与进展  9-11
  1.2 论文的主要工作及安排  11-12
第二章粒子群优化算法与多目标优化问题  12-17
  2.1 粒子群优化算法  12-15
    2.1.1 粒子群优化算法的基本原理及其特点  12
    2.1.2 基本粒子群优化算法  12-14
    2.1.3 算法描述  14-15
  2.2 多目标优化问题  15-16
    2.2.1 多目标优化问题的数学描述  15
    2.2.2 多目标优化问题的基本概念  15-16
  2.3 本章小结  16-17
第三章多目标粒子群优化算法  17-46
  3.1 基于PARETO最优解集的多目标粒子群优化算法  17-21
    3.1.1 新的淘汰策略  17-18
    3.1.2 算法分析  18
    3.1.3 算法实现  18
    3.1.4 数值模拟  18-21
  3.2 用于约束多目标优化问题的混合粒子群算法  21-26
    3.2.1 双种群策略  21-23
    3.2.2 约束支配原则  23
    3.2.3 算法实现  23
    3.2.4 数值模拟  23-26
  3.3 自适应多目标粒子群算法求解约束优化问题  26-35
    3.3.1 约束优化问题  26-27
    3.3.2 约束处理方法  27
    3.3.3 自适应粒子群优化算法  27-29
    3.3.4 用于约束优化问题的自适应多目标粒子群算法  29
    3.3.5 算法实现  29
    3.3.6 仿真实验  29-35
  3.4 多目标均值粒子群优化算法  35-40
    3.4.1 均值粒子群优化算法  35
    3.4.2 多目标均值粒子群优化算法  35-36
    3.4.3 算法实现  36
    3.4.4 仿真实验  36-40
  3.5 基于混沌变异的多目标粒子群算法  40-45
    3.5.1 混沌变异  41
    3.5.2 基于混沌变异的多目标粒子群优化算法  41-42
    3.5.3 性能评价方法  42
    3.5.4 算法实现  42
    3.5.5 仿真实验  42-45
  3.6 本章小结  45-46
第四章多目标粒子群优化算法应用  46-52
  4.1 多目标粒子群优化算法在多目标规划问题上的应用  46-48
    4.1.1 多目标规划模型  46
    4.1.2 求解多目标规划的多目标粒子群优化算法步骤  46-47
    4.1.3 算法实现  47
    4.1.4 仿真实验  47-48
  4.2 多目标粒子群优化算法在某轻型飞机齿轮箱减速器上的应用  48-51
    4.2.1 多目标粒子群算法求解某轻型飞机齿轮箱减速器问题的步骤  49
    4.2.2 算法实现  49
    4.2.3 仿真实验  49-51
  4.3 本章小结  51-52
第五章结论及展望  52-53
参考文献  53-58
附录  58-80
致谢  80-81
攻读硕士期间参与的科研项目  81-82
攻读硕士期间发表的学术论文  82

相似论文

高灵敏度GNSS软件接收机的同步技术研究与实现,P228.4
基于蚁群算法的电梯群优化控制研究,TU857
多层卫星网络稳定性设计研究,TN927.23
医学超声图像去噪方法研究,TP391.41
基于粒子群算法求曲线/曲面间最小距离方法,O182
K-均值聚类算法的研究与改进,TP311.13
基于对数正态分布异方差模型的统计推断,O212.1
有源电力滤波器及其在配电网中的应用,TN713.8
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18
融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
海底管道修复连接器的研究,TE973
基于共振峰的OSAHS筛查,R766
基于粒子群的分子对接算法,R91
体育舞蹈对青少年足底压力和步态的影响,G804.2
演化聚类算法及其应用研究,TP311.13
基于遗传算法的矿山资源优化调度模型的研究,O224
基于粒子群算法的区域水资源优化配置研究,TV213.4
基于样图的纹理合成算法研究,TP391.41
对于系统发育谱法聚类算法的改进,TP311.13
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41