学位论文 > 优秀研究生学位论文题录展示

并行进化算法的研究与应用

作　者: 马艳
导　师: 须文波
学　校: 江南大学
专　业: 计算机应用技术
关键词: 并行 粒子群优化算法 量子化 多阶段随机优化
分类号: TP301.6
类　型: 硕士论文
年　份: 2007年
下　载: 149次
引　用: 2次
阅　读: 论文下载
 

内容摘要


本文的目的是研究一种新的并行进化算法及其应用。群体智能算法是一种进化类算法,是解决优化问题特别是复杂系统优化问题的有效手段。而QPSO是一种新的、具有全局收敛性群体智能算法,并且许多实际应用证明,QPSO远远优于一般的粒子群算法(Particle Swarm Optimization-简称PSO)和遗传算法(Genetic Algorithm)。因此,本文的研究内容对于群体智能和并行化的发展具有一定的学术意义和应用价值。本文在研究了遗传算法、粒子群优化算法和具有量子行为的粒子群算法及其并行化研究现状的基础上,受遗传算法并行化的启发,对粒子群优化算法和具有量子行为的粒子群算法提出并实现了新的并行化策略。主要思想是引入岛域模型和交换算子的概念,在机群环境下,基于这两种优化算法在求解的过程中,相互之间通过迁移算子来达到相互之间交换信息的目的,使得整个群体的多样性得到保持,从而提高了算法的全局搜索能力。在并行测试中,由于通信时间过长,会引起通信的瓶颈问题,本文对相互通信的时间进行了改进,相互通信的周期按指数递减地序列进行,文中主要是以一些常见的基准函数的并行实现为例,详细描述了算法设计思想和程序实现过程,提供了大量的测试结果,并与相应串行算法在相同计算环境下的测试结果做出比较,以及不同并行实现之间的比较。测试结果表明,无论是在优化算法的搜索能力还是在运行的时间上,本文的并行方案相对于串行算法以及现有的并行策略都具有一定的优势,提供了解决复杂优化问题的一种有力手段。本文将PPSO算法用于一个在多阶段投资组合优化系统中进行决策的决策制定过程,目标函数是最大化个人经济效益或最大化周期结束时个人财富。通过比较按期望回报和标准方差被不同的目标函数所优化的投资组合的性能来指导验证。

全文目录


摘要  3-4
Abstract  4-7
第一章 绪论  7-9
  1.1 课题背景  7
  1.2 课题内容  7
  1.3 课题意义  7-8
  1.4 本文的组织结构  8-9
第二章 并行算法基础  9-11
  2.1 并行算法的一般概念  9
  2.2 并行性  9-10
    2.2.1 并行算法的性能评价  9-10
    2.2.2 并行编程模型  10
  2.3 MPI 的语言绑定  10-11
第三章 几种进化算法  11-22
  3.1 优化问题  11-12
    3.1.1 无约束优化  11
    3.1.2 约束优化  11-12
  3.2 遗传算法（GA）  12-16
    3.2.1 遗传算法的基本概念  12-13
    3.2.2 遗传算法的基本原理  13-15
      3.2.2.1 编码  13-14
      3.2.2.2 产生初始群体  14
      3.2.2.3 计算适应度  14
      3.2.2.4 复制  14
      3.2.2.5 交叉  14-15
      3.2.2.6 变异  15
      3.2.2.7 终止  15
    3.2.3 遗传算法的改进  15-16
  3.3 标准的微粒群算法（SPSO）  16-19
    3.3.1 经典的微粒群算法（PSO）简介  16
    3.3.2 经典的微粒群算法的运算过程  16-17
    3.3.3 两种基本的进化模型  17-18
    3.3.4 改进的微粒群算法  18-19
    3.3.5 改进的微粒群算法与遗传算法的比较  19
  3.4 基于量子行为的微粒群算法（QPSO）  19-22
    3.4.1 基于量子行为的微粒群算法简介  19-20
    3.4.2 基于量子行为的微粒群算法的运算过程  20-21
    3.4.3 基于量子行为的微粒群算法和经典微粒群算法的比较  21-22
第四章 进化算法的并行化实现及其应用  22-33
  4.1 进化算法的并行策略  22-25
    4.1.1 并行遗传算法的研究现状  24
    4.1.2 粒子群优化算法并行化研究的现状  24-25
  4.2 粒子群优化算法策略设计及实现  25-26
    4.2.1 多群体模型  25
    4.2.2 并行PSO 算法思想  25-26
  4.3 量化粒子群优化算法策略设计及实现  26-29
    4.3.1 PQPSO 算法的提出及其思想  26-29
      4.3.1.1 QPSO 算法的不足  27
      4.3.1.2 PQPSO 算法  27-29
  4.4 PPSO 在多阶段投资组合上的应用  29-33
    4.4.1 多阶段投资组合优化简介  29
    4.4.2 多阶段投资组合优化模型  29-31
    4.4.3 适应性函数作为投资组合的评价  31
    4.4.4 PPSO 在多阶段投资组合中的应用  31-33
第五章 测试及分析  33-47
  5.1 测试环境  33
  5.2 测试结果及分析  33-47
    5.2.1 最优化问题的测试结果及分析  33-41
      5.2.1.1 测试函数  33
      5.2.1.2 测试结果  33-41
      5.2.1.3 结论  41
    5.2.2 约束优化问题的测试结果及分析  41-44
      5.2.2.1 约束问题的解决方法  41-42
      5.2.2.2 测试函数  42-43
      5.2.2.3 PQPSO 算法与QPSO、PSO 算法目标函数值的比较  43
      5.2.2.4 PQPSO 与QPSO 算法运行时间的比较  43-44
      5.2.2.5 结论  44
    5.2.3 PPSO 在多阶段投资组合的优化结果  44-46
    5.2.4 结论  46-47
第六章 总结与展望  47-48
  6.1 研究结论  47
  6.2 研究过程中的一些问题  47
  6.3 研究展望  47-48
致谢  48-49
参考文献  49-51
攻读硕士学位期间发表的论文  51

相似论文

  1. 频繁图结构并行挖掘算法的研究与实现,TP311.13
  2. 大规模计算环境下网络模拟任务划分研究,TP393.01
  3. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  4. 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
  5. 基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
  6. 近似字符串匹配研究及其在URL检测中的应用,TP393.08
  7. H.264并行视频转码算法研究,TN919.81
  8. USB接口的固态盘原型系统的设计与实现,TP333
  9. 基于SMP的内存数据库查询处理优化研究,TP311.13
  10. 面向并行环境的遥感影像分类算法设计与实现,TP751
  11. 基于宏单元异步乘法器的研究与设计,TP332.22
  12. 多DSP并行航迹规划系统接口驱动程序设计与实现,TP368.12
  13. 发动机类复杂曲面零件数字化设计关键技术研究,TK402
  14. 多通道NANDFlash控制器的设计,TP333
  15. 并行多虚拟机域间通信系统,TP302
  16. 基于多核的动态剖析加速方法研究,TP332
  17. 基于PDNS的BitTorrent流量局域化算法的仿真与实现,TP393.093
  18. 一种对等网络文件共享算法仿真与性能分析比较,TP393.09
  19. GPU加速的仿射算术在几何设计中的应用研究,TP391.41
  20. 多订单并行分拣问题的优化研究,F224
  21. 高动态条件下捷联惯导动基座传递对准并行算法研究,V249.322

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 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com