学位论文 > 优秀研究生学位论文题录展示

面向混合设计变量优化问题的微粒群算法的研究

作　者: 张云强
导　师: 谭瑛; 孙超利
学　校: 太原科技大学
专　业: 计算机软件与理论
关键词: 微粒群算法混合变量优化问题基于可行规则法约束保持法模拟退火算法
分类号: TP301.6
类　型: 硕士论文
年　份: 2012年
下　载: 22次
引　用: 0次
阅　读: 论文下载

内容摘要

微粒群算法是模拟自然界生物群体社会行为的群体智能优化算法，与其他进化算法不同的是，它不仅利用位置信息，而且还利用速度信息对微粒的飞行轨迹进行控制。算法模型简单，易实现，同时具有较强的自组织性、自适应性和自学习能力，已被成功应用于各种工程领域。微粒群算法目前在约束优化领域的应用还不是很多，特别是对于混合变量约束优化问题，相对于其它智能算法，基于微粒群算法的研究并不多。因此如何利用微粒群算法简单、高效的优点来求解混合变量约束优化问题成为了当前优化设计的一个研究方向。本论文将针对文献[58]中使用PSO求解混合变量优化问题时不能得到一致最优解的问题，提出不同的改进方法以提高解的精确度从而得到一致最优解。本文主要研究工作如下：1）采用了文献[58]中MPSO算法作为全局收索算法和采用模拟退火算法（SA）作为局部搜索算法，提出了不同的求解混合变量优化问题的混合智能优化方法。MPSO算法在求解混合变量优化问题时获得非连续变量的值非常好。然而，连续变量的不精确取值给每次运行带来了不一致的优化结果。为了获得混合变量优化问题解的一致性，本文在MPSO算法的基础上，每次独立运行后，分别使用模拟退火算法和PSO算法对最优解的连续变量进行局部搜索，从而解决了使用MPSO求解混合变量优化问题解不一致的问题。2）提出基于约束保持法的改进的PSO算法（简称为CPMPSO），用于求解混合变量优化问题。在CPMPSO中，采用基于约束保持法的PSO算法作为全局搜索算法，而PSO本身作为最优解的连续变量值的优化搜索算法，非连续变量的值根据粒子速度的方向和大小获得，而约束保持法作为约束冲突处理机制，微粒群优化算法本身作为局部搜索算法以获得一致的混合变量优化问题的最优解。

全文目录

中文摘要  3-4
ABSTRACT  4-8
第一章绪论  8-16
  1.1 选题背景及研究意义  8-11
  1.2 基于 PSO 求解混合变量优化设计问题的国内外研究现状  11-13
  1.3 本论文的主要研究内容  13-14
  1.4 本论文的组织结构  14-16
第二章微粒群算法  16-20
  2.1 引言  16-17
  2.2 基本微粒群算法  17-18
  2.3 微粒群算法流程  18
  2.4 微粒群与其他算法的异同点  18
  2.5 微粒群算法的改进  18-20
第三章求解混合变量优化问题的混合智能算法  20-36
  3.1 MPSO算法介绍  20-23
    3.1.1 MPSO算法约束冲突的处理  20-21
    3.1.2 MPSO算法对于不同类型变量的处理方式  21-22
    3.1.3 MPSO算法的步骤  22-23
  3.2 混合智能算法简介  23-31
    3.2.1 HIA算法的步骤  25-29
    3.2.2 DPSO算法的步骤  29-31
  3.3 小结  31-36
第四章基于约束保持法的 PSO 求解混合变量优化问题  36-42
  4.1 结合约束保持法的微粒群算法介绍  36
  4.2 结合约束保持法的微粒群算法求解混合变量优化问题  36-38
    4.2.1 混合变量的处理  36
    4.2.2 约束处理机制  36-37
    4.2.3 CPMPSO 的进化模式  37
    4.2.4 CPMPSO 算法的步骤  37-38
  4.3 实验结果和一些讨论  38-39
  4.4 小结  39-42
第五章结论与展望  42-44
参考文献  44-50
致谢  50-52
攻读硕士期间发表的论文  52-53

面向混合设计变量优化问题的微粒群算法的研究

内容摘要

全文目录

相似论文