学位论文 > 优秀研究生学位论文题录展示

运用种群多样性动态调整机制的粒子群优化算法研究

作 者: 何诚
导 师: 李枚毅
学 校: 湘潭大学
专 业: 计算机科学与技术
关键词: 最优化问题 粒子群优化算法 种群多样性 多生态子群 全信息学习策略 差异融合策略
分类号: TP18
类 型: 硕士论文
年 份: 2012年
下 载: 4次
引 用: 0次
阅 读: 论文下载
 

内容摘要


最优化问题广泛存在于科学研究、经济管理等领域,优化问题存在的普遍性促使优化技术和优化算法不断进步。随着工业技术和科学研究的快速发展,现实的优化问题也变得越来越复杂,研究者开始致力于提出更为高效的优化算法。粒子群算法是智能算法中一个新的技术,它不仅能很好地处理复杂高维的问题,在一些领域知识贫乏的问题中也尤为有效。由于其原理简单、参数便于调整等优点,自诞生以来备受研究者的关注。粒子群优化算法作为一种基于群体协作的智能算法,其种群多样性是一个重要研究焦点。种群的多样性描述个体行为和群体的变化趋势,决定了整个算法的进化活力和收敛性能。充分考虑到种群多样性变化对算法寻优能力的影响,本文从保持种群多样性的角度出发,展开对粒子群优化算法的性能改进研究,论文的主要工作如下:本文深入分析了社会结构与多样性的关系,采用多生态子群的社会结构,每个生态子群在各自的社会环境中寻求极值点,减缓粒子的聚集过程,在进化初期有效地保持了种群多样性。提出全信息学习策略和差异融合策略两种多样性动态调整机制。全信息学习策略以全信息粒子作为粒子间的沟通桥梁,该粒子汇集了生态子群内所有粒子的优秀信息。在算法的进化过程中通过动态变化全信息粒子的计算参数,调整粒子的聚合比例,为粒子的学习带来更多选择,其动态性有利于粒子运动方向的多元化发展。差异融合策略以种群变化趋势为标识,实时监控并调整社会结构,从而动态调整多样性在进化过程中的变化趋势。通过经典测试函数和物流实例验证本文算法的性能,实验结果表明算法不仅拥有优秀的寻优能力,而且具有很强的实用性。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-12
  1.1 研究背景  9-10
  1.2 本文研究内容  10-11
  1.3 文章的组织结构  11-12
第2章 优化问题及群智能  12-17
  2.1 最优化问题  12
  2.2 优化算法  12-13
  2.3 群智能算法  13-16
    2.3.1 遗传算法(GA)  14
    2.3.2 蚁群算法(ACO)  14-15
    2.3.3 粒子群算法(PSO)  15-16
  2.4 本章小结  16-17
第3章 粒子群优化算法及其多样性  17-24
  3.1 PSO 算法  17-19
  3.2 粒子群算法的改进  19-20
  3.3 PSO 的种群多样性  20-23
    3.3.1 种群多样性相关定义  20-21
    3.3.2 种群结构对多样性的影响  21-22
    3.3.3 学习策略与多样性分析  22-23
  3.4 本章小结  23-24
第4章 动态调整种群多样性的改进粒子群算法  24-36
  4.1 进化学理论与社会结构  24-26
    4.1.1 综合进化学说与杂交理论  24-25
    4.1.2 多生态子群社会结构  25-26
  4.2 多样性动态调整机制  26-33
    4.2.1 动态学习策略  26-29
    4.2.2 动态差异融合策略  29-33
      4.2.2.1 种群衰落监控  30-31
      4.2.2.2 差异融合  31-33
  4.3 FIDEPSO 算法  33-34
  4.4 算法的收敛性  34-35
  4.5 本章小结  35-36
第5章 实验测试与分析  36-54
  5.1 函数性能测试  36-45
    5.1.1 测试函数  36-39
    5.1.2 参数设置  39
    5.1.3 实验对比与分析  39-42
    5.1.4 收敛性对比分析  42-43
    5.1.5 多样性对比分析  43-45
  5.2 物流问题中的实际应用  45-53
    5.2.1 问题的引入及其数学模型  45-48
    5.2.2 约束条件的处理  48
    5.2.3 路径编码  48-49
    5.2.4 FIDEPSO 算法求解 VRPSPD 问题  49-50
    5.2.5 实例分析  50-53
  5.3 本章小结  53-54
第6章 总结与展望  54-55
  6.1 总结  54
  6.2 工作展望  54-55
参考文献  55-58
致谢  58-59
附录 A 攻读硕士学位期间参与项目和学术论文发表  59

相似论文

  1. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  2. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  3. 基于粒子群优化算法的船舶避碰研究,U675.96
  4. 基于改进粒子群算法的无功优化,TP301.6
  5. 基于强化学习的改进遗传算法研究,TP18
  6. 基于控制方法的粒子群算法改进及应用研究,TP301.6
  7. 曲面测地与短程路径的分析和提取,TH122
  8. 空间信息网骨干节点部署方案的设计与仿真,TN915.09
  9. 基于改进粒子群算法的无人机航迹规划,V279
  10. 微分进化算法及其在无人机航迹规划中的应用研究,V279
  11. 基于RFID监狱智能管理系统研究与实现,TP315
  12. 复杂动态环境下的小型足球机器人路径规划研究,TP242
  13. 基于MPSO算法的云计算任务调度策略研究,TP3
  14. 一类改进的粒子群优化算法,TP301.6
  15. 基于粒子群优化算法的无刷直流电机控制方法研究,TM33
  16. 基于进化算法的动态优化方法的研究,TP13
  17. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  18. 工业装置蒸汽透平网络模拟和优化,TK14
  19. 基于智能算法的二维下料问题的研究,TP301.6
  20. 爆炸搜索算法研究,TP301.6
  21. 基于主成分和粒子群优化BP神经网络的促销产品销量预测研究,F274

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com