学位论文 > 优秀研究生学位论文题录展示

融合粒子群的全局优化混合智能算法研究

作　者: 李会荣
导　师: 高岳林
学　校: 北方民族大学
专　业: 应用数学
关键词: 全局优化智能计算粒子群优化罚函数方法约束优化 0-1非线性规划
分类号: TP18
类　型: 硕士论文
年　份: 2009年
下　载: 41次
引　用: 0次
阅　读: 论文下载

内容摘要

粒子群优化算法是一种基于种群搜索策略的自适应的随机优化算法,由于其简单易实现,收敛速度快,目前已被广泛应用于神经网络、模糊系统控制、模式识别等多个领域,所以研究和掌握其特性与规律是一个具有理论和应用两个方面重要意义的课题,同时对其应用领域的拓展也有重要的现实意义。本文在分析基本粒子群优化算法的基础上,对其算法的改进和应用做了较为系统的研究工作。本文的主要研究内容如下:1、提出了两种改进的粒子群优化算法:非线性递减惯性权重策略的粒子群优化算法和带有种群的平均信息和保持活性策略的粒子群优化算法。数值试验表明,这两种算法的寻优性能都优于基本的PSO算法。2、针对粒子群优化算法的早熟收敛问题和后期的振荡现象,提出了三种带有变异算子混合的粒子群优化算法:带有指数递减的惯性权重和随机变异的粒子群优化算法、带有随机变异和速度方程改进的粒子群优化算法和带有自适应阀值变异的粒子群优化算法。数值试验表明,这三种改进的算法都具有较强的全局寻优能力。3、针对约束优化问题,提出了两种混合的粒子群优化算法:基于外点法的求解约束优化问题混合粒子群算法和一种非线性约束优化问题改进的混沌粒子群算法。数值实验表明,这两种新算法都是有效的和稳健的。4、提出了一种求解0-1非线性规划问题的罚函数-粒子群优化算法。数值试验表明,此算法简单,易于实现,收敛速度快,精度高。总之,本文对粒子群优化算法的改进及其应用进行了较为全面深入的分析研究,最后对所做工作进行了总结,并提出了进一步研究的方向。

融合粒子群的全局优化混合智能算法研究

内容摘要

全文目录

相似论文