学位论文 > 优秀研究生学位论文题录展示

交互变邻域微粒群算法

作　者: 苗彦江
导　师: 曾建潮；崔志华
学　校: 太原科技大学
专　业: 计算机软件与理论
关键词: 微粒群算法 邻域结构 交互变邻域 群体决策 小世界网络模型
分类号: TP301.6
类　型: 硕士论文
年　份: 2010年
下　载: 44次
引　用: 2次
阅　读: 论文下载
 

内容摘要


微粒群算法是一种模拟鸟群飞行的群智能优化算法。由于其收敛速度较快,在优化一些多峰高维问题时易陷入局部极值点。作为微粒群算法的一个研究内容,拓扑结构具有提高种群多样性、减少上述现象发生概率的特点。但现有的各种拓扑结构均为预先设计好的固定方式,对性能的改善效果较差。为了更好的模拟自然界中信息的交流方式,受复杂系统研究成果的启发,本文提出了一种交互变邻域微粒群算法,其拓扑结构能随着迭代次数的增加而动态调整。鸟群觅食过程中,为了传递有用的信息,各个体之间会形成一些不同的拓扑结构,而这种邻域结构保持一段时间后,由于受到天敌、障碍物或各种其它原因,它们的邻域结构会进行重组,以形成新的拓扑结构。受此现象启发,本文将小世界模型中WS模型引入到微粒群算法中,提出了基于WS模型的交互变邻域微粒群算法,并设置相应的参数以转化微粒间的邻域结构重组和种群进化,进而平衡算法的全局和局部寻优能力。WS模型的随机化重连机制虽然提高了种群的多样性,但是会破坏节点间的连通性。NW模型作为WS模型的一种改进模型,该模型只在随机选择的节点间增加长距离连接,而原来的边保持不动,该模型在形成过程中不会出现孤立的簇。本文将NW模型引入到微粒群算法中,提出了基于NW模型的交互变邻域微粒群算法,并通过参数控制网络新边的增加量,在改善种群多样性的前提下尽可能的提高算法性能。标准微粒群算法中的群体历史最优位置也是导致算法过早收敛的一个重要原因。为此,本文模拟人类社会的群体决策现象,将群体决策策略分别引入基于WS模型的交互变邻域微粒群算法和基于NW模型的交互变邻域微粒群算法,用群体决策出的新位置来代替原有的邻域群体历史最优位置,从而进一步提高了算法多样性。仿真结果表明本文提出的改进算法在求解多峰高维问题时能较大幅度的提高算法了的性能。

全文目录


中文摘要  3-4
ABSTRACT  4-9
第一章 引言  9-23
  1.1 群智能算法  9-10
  1.2 常见的群智能算法  10-13
    1.2.1 蚁群算法  10-12
    1.2.2 群搜索优化算法  12-13
  1.3 微粒群算法  13-18
    1.3.1 微粒群算法的生物学背景  13-14
    1.3.2 标准PSO 算法  14-15
    1.3.3 微粒群算法的研究进展  15-18
  1.4 拓扑结构  18-20
    1.4.1 GBEST 模型邻域结构分析  18
    1.4.2 LBEST 模型邻域结构分析  18
    1.4.3 常见的邻域结构  18-20
  1.5 本论文的结构  20-23
第二章 基WS 小世界模型的交互变邻域微粒群算法  23-45
  2.1 复杂网络介绍  23-26
    2.1.1 复杂网络的发展  23-25
    2.1.2 WS 小世界模型  25-26
  2.2 基于WS 小世界模型的交叉变邻域微粒群算法(WSPSO)  26-27
    2.2.1 算法背景  26
    2.2.2 算法思想  26-27
    2.2.3 算法步骤  27
  2.3 实例仿真  27-29
    2.3.1 测试函数  27-28
    2.3.2 参数设置  28-29
  2.4 均匀设计介绍  29-32
  2.5 算法性能分析  32-44
  2.6 本章小结  44-45
第三章 基于NW 小世界模型的交互变邻域微粒群算法  45-61
  3.1 NW 模型介绍  45
  3.2 基于NW 小世界模型的交互变邻域微粒群算法  45-47
    3.2.1 算法背景  45-46
    3.2.2 算法要思想  46-47
    3.2.3 算法步骤  47
  3.3 实例仿真  47-60
    3.3.1 测试函数  47-48
    3.3.2 参数设置  48
    3.3.3 算法性能分析  48-60
  3.4 小结  60-61
第四章 引入群体决策的交互变邻域微粒群算法  61-96
  4.1 引入群体决策的交互变邻域微粒群算法  61-62
    4.1.1 群体决策概念  61
    4.1.2 引入群体决策的依据  61
    4.1.3 群体决策的方法  61-62
  4.2 引入群体决策的基于WS 模型交互变邻域微粒群算法  62-78
    4.2.1 算法步骤  62-63
    4.2.2 测试函数  63-64
    4.2.3 参数设置  64
    4.2.4 性能分析  64-78
  4.3 引入群体决策的基于NW 模型交互变邻域微粒群算法  78-94
    4.3.1 算法步骤  78-79
    4.3.2 测试函数  79-80
    4.3.3 参数设置  80
    4.3.4 性能比较  80-94
  4.4 小结  94-96
第五章 总结与展望  96-98
  5.1 论文总结  96
  5.2 后续工作  96-98
参考文献  98-103
攻读硕士学位期间科研论文发表情况  103-104
致谢  104-105

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 微粒群算法的改进与应用研究,TP18
  3. 物流配送选址与路径优化模型及其微粒群算法研究,F224
  4. 微粒群算法理论研究及其在PID参数优化中的应用,TP13
  5. 群体决策的若干问题研究,C934
  6. 城市地价动态监测信息系统的设计与研究,F293.2
  7. 基于遗传免疫微粒群算法的工程项目多目标综合优化研究,TP301.6
  8. 水电仿真软件中调节模块的实现与优化,TP391.9
  9. 基于微粒群算法优化的模糊PID的无刷直流电机调速控制系统的研究,TM33
  10. 企业网站实施搜索引擎优化的基本策略研究,G354.2
  11. 无线传感网络层次型拓扑控制应用研究,TN929.5
  12. 离散微粒群改进算法及在属性约简中的应用,TP18
  13. 群体决策可视化研究,G358
  14. 数独的难度衡量、生成及微粒群算法,O157.1
  15. 基数型群体决策的若干理论和方法,C934
  16. 土壤光谱重建技术研究,S152
  17. 多种群协同进化的微粒群优化算法及其在橡胶硫化车间生产调度中的应用,TQ330.8
  18. 智能优化算法的改进及其在多维空间谱估计中的应用,TP18
  19. 小世界网络模型下对等网路由搜索算法的研究,TP393.02
  20. 智能优化任务调度算法的研究与应用,TP301.6
  21. 综合评价系统设计与实现,C934

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