学位论文 > 优秀研究生学位论文题录展示

粒子群优化算法的研究及改进

作　者: 佟金颖
导　师: 罗琦
学　校: 南京信息工程大学
专　业: 系统分析与集成
关键词: 粒子群算法压缩因子死亡罚函数优化问题
分类号: O224
类　型: 硕士论文
年　份: 2008年
下　载: 439次
引　用: 5次
阅　读: 论文下载

内容摘要

粒子群算法是一种基于种群搜索策略的自适应随机优化算法,随着计算机的广泛应用、仿生技术的发展,它已成为求解优化问题的重要工具。粒子群算法简单易实现、精度高、收敛快,从它提出时就引起了广大学者的研究兴趣。PSO算法以其灵活稳定,具有分布式控制和自学习能力的优势,无论是从理论研究还是应用研究的角度来看,对粒子群算法的研究都具有重要的学术意义和现实价值。通过粒子的社会行为分析,本文提出了借鉴前一个粒子飞行经验的改进粒子群算法,并将其应用于求解无约束优化问题。在总结PSO算法改进的过程中,发现对算法融合方面的研究具有积极的意义,提出了与死亡罚函数法相结合的混合PSO算法,并将改进的PSO算法应用到约束优化问题求解中。同时,用一些标准的测试函数测试这些改进后的方法,取得了良好的效果。文章第一部分简要介绍了粒子群算法的研究基础。第二部分从PSO算法的基本原理、参数选取、拓扑结构等方面做了介绍。依据改进的目的列举了典型的改进PSO算法。介绍了粒子群算法在工程优化领域的应用。第三部分是对算法做出的改进,并进行函数测试,证明了算法的有效性。

全文目录

摘要  7-8
Abstract  8-9
第1章绪论  9-14
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10-13
  1.3 本文的研究内容及取得成果  13-14
第2章研究基础  14-19
  2.1 计算智能  14-15
  2.2 人工生命  15-16
  2.3 进化计算  16-17
  2.4 群智能  17-19
第3章粒子群优化算法  19-42
  3.1 基本PSO算法和标准PSO算法  19-27
    3.1.1 算法原理  19-22
    3.1.2 算法流程  22-23
    3.1.3 算法分析  23-27
  3.2 PSO算法的改进  27-36
    3.2.1 收敛速度的改进  28-30
    3.2.2 增加多样性的改进  30-32
    3.2.3 加强局部搜索的PSO  32-34
    3.2.4 其他改进  34-36
  3.3 PSO算法与其他优化算法的比较  36-40
    3.3.1 蚁群算法  36-38
    3.3.2 遗传算法  38-40
  3.4 PSO算法的应用  40-42
第四章粒子群优化算法在函数优化问题中的应用  42-52
  4.1 函数优化问题  42-45
  4.2 M-CFPSO算法求解无约束优化问题  45-48
    4.2.1 M-CFPSO算法  45-46
    4.2.2 函数测试  46-48
  4.3 DP-CFPSO算法求解约束优化问题  48-51
    4.3.1 DP-CFPSO算法  48-49
    4.3.2 函数测试  49-51
  4.4 实验结果讨论  51-52
第五章总结与展望  52-54
  5.1 全文总结  52
  5.2 进一步的研究以及工作展望  52-54
致谢  54-55
参考文献  55-61
攻读硕士学位期间发表的论文  61

粒子群优化算法的研究及改进

内容摘要

全文目录

相似论文