学位论文 > 优秀研究生学位论文题录展示

基于分级的粒子群优化算法研究

作　者: 张磊
导　师: 吴伟民
学　校: 广东工业大学
专　业: 计算机应用技术
关键词: 粒子群优化算法群智能分级单纯形函数优化
分类号: TP301.6
类　型: 硕士论文
年　份: 2011年
下　载: 112次
引　用: 0次
阅　读: 论文下载

内容摘要

粒子群优化算法(Particle Swarm Optimization, PSO)是一种新颖进化计算方法,最初受启发于鸟群和鱼群特定的社会行为,是基于种群搜索策略的自适应随机优化算法。粒子群优化算法具有实现简单、参数少、收敛速度快的优点,已被证明是一种较好全局优化算法,引起了人们广泛的关注。但是,粒子群优化算法还存在早熟收敛和寻优多样性差等缺点。为了克服粒子群优化算法的缺点,本文对粒子群优化算法及相关的背景知识进行了介绍,并对粒子群优化算法的理论、框架模型和信息交流机制进行了深入探讨。在此基础之上提出了两种粒子群优化算法的改进算法,进行了相关的实验,结果证明了改进方法的有效性。本文具体工作如下：首先,对粒子群优化算法进行了研究与分析。详细介绍了粒子群优化算法的原理、实现和发展动因。对粒子群优化算法的信息交流模型进行了探讨,分析了一些典型的粒子群拓扑结构。此外,还介绍了一些典型的改进粒子群优化算法,并对这些算法改进的原理和方法进行详细分析,进一步理解了粒子群优化算法研究和发展的意义。其次,提出了一种分级的粒子群优化算法。将分级思想引入粒子群优化算法,按照适应度对粒子进行分级,将粒子群分割为三个级别,分别为优秀、普通和较差粒子群,并对不同等级的粒子进行不同方式的寻优。通过这种分级的方法,在不同的分级中进行差别寻优,极大地保证了粒子群的多样性,提升了粒子群优化算法的寻优性能。再次,在前一章分级粒子群优化算法的基础上,进一步改进提出了分级混合粒子群优化算法。该算法在上述分级的基础上采用动态分级方法,也将粒子群分为三级,各分级中粒子数量适应性改变。并将改进的单纯形方法和半随机搜索法融入到分级的粒子群中进行寻优操作,更大程度保证了改进粒子群优化算法的寻优多样性和收敛性,进一步提高了粒子群算法的寻优能力和寻优效率。最后,对本文的研究和工作进行了总结,提出了进一步的研究展望。

全文目录

摘要  4-5
ABSTRACT  5-13
第一章绪论  13-21
  1.1 研究背景  13-14
  1.2 粒子群优化算法的研究现状  14-17
    1.2.1 理论研究现状  14-15
    1.2.2 设计研究现状  15-16
    1.2.3 应用研究现状  16-17
  1.3 函数优化问题  17-19
    1.3.1 局部优化  18
    1.3.2 全局优化  18-19
  1.4 本文研究思路与创新点  19-20
  1.5 本文的组织  20-21
第二章粒子群优化算法  21-33
  2.1 基本粒子群优化算法  21-26
    2.1.1 基本粒子群优化算法原理  21-24
    2.1.2 基本粒子群优化算法流程  24-25
    2.1.3 粒子群的社会行为分析  25
    2.1.4 参数分析  25-26
  2.2 粒子群的信息交流模型  26-29
    2.2.1 全局模型  26-27
    2.2.2 局部模型  27-28
    2.2.3 其它模型  28-29
  2.3 一些典型的粒子群优化算法  29-32
    2.3.1 标准粒子群优化算法  29-30
    2.3.2 简化粒子群优化算法  30-31
    2.3.3 混合粒子群优化算法  31-32
  2.4 本章小结  32-33
第三章基于分级的粒子群优化算法  33-55
  3.1 引言  33
  3.2 粒子群优化算法与分级  33-35
    3.2.1 粒子群优化算法  34
    3.2.2 分级  34-35
  3.3 PSOBC的提出  35-41
    3.3.1 PSOBC的基本思想  35-37
    3.3.2 PSOBC的实现  37-40
    3.3.3 PSOBC算法流程  40-41
  3.4 数值实验及结果分析  41-54
    3.4.1 标准测试函数  41-44
    3.4.2 结果的度量方法  44-45
    3.4.3 算法的参数设置  45-46
    3.4.4 实验结果及其分析  46-54
  3.5 本章小结  54-55
第四章基于分级的混合粒子群优化算法  55-72
  4.1 引言  55
  4.2 HPSOBC要点分析  55-58
    4.2.1 改进单纯形搜索法  56-57
    4.2.2 半随机搜索法  57
    4.2.3 动态分级策略  57-58
  4.3 HPSOBC算法的提出  58-62
    4.3.1 HPSOBC的基本思想  58-59
    4.3.2 HPSOBC实现  59-61
    4.3.3 HPSOBC算法流程  61-62
  4.4 数值实验及结果分析  62-71
    4.4.1 算法的参数设置  62-63
    4.4.2 实验结果及其分析  63-71
  4.5 本章小结  71-72
结论  72-74
参考文献  74-79
攻读硕士学位期间发表的论文  79-81
致谢  81

基于分级的粒子群优化算法研究

内容摘要

全文目录

相似论文