学位论文 > 优秀研究生学位论文题录展示
基于膜系统的粒子群优化算法在产业集群演化中的研究与应用
作 者: 杜强
导 师: 向来生
学 校: 山东师范大学
专 业: 管理科学与工程
关键词: 粒子群优化 膜系统 产业集群
分类号: TP18
类 型: 硕士论文
年 份: 2014年
下 载: 2次
引 用: 0次
阅 读: 论文下载
内容摘要
产业集群,指的是某一类相关的企业大量聚集在某一特定区域的经济现象。对于集群内的企业来讲,通过企业的聚集获得了巨大的竞争优势,从而取得更好的发展与丰厚的经济效益。产业集群是一种基于自组织结构的经济现象。自组织结构的特征是自我适应和自我组织,这一点和产业集群不谋而合。同样,若将集群看作一个由众多企业和机构构成的系统,那它也是一种自组织系统。产业集群形成过程中也是经由开放的耗散结构不断演化而来的。微粒群的寻优与产业集群的集聚具有相通性。产业集群的形成实际上是一个自组织的过程,粒子群优化算法是自组织算法,其寻优过程也是自组织的。若将集群中的企业视为粒子群优化算法中的粒子,集群所处的位置正是集群竞争力最大的位置,将其看作粒子群优化算法中的最优解的位置,那么产业集群的聚集过程可以视为粒子群的寻优过程。可见,微粒群的寻优与产业集群的集聚是相通的。基于PSO算法局限性的思考,并受到P系统的启发,本文提出了一种基于P系统的粒子群优化算法(P-PSO)。在本文中P系统中的膜有主膜和辅助膜之分,设立主膜一个,若干辅助膜。粒子被放入P系统之后,主膜内粒子与辅助膜内粒子进行合理分工,主膜内粒子负责“开发”(即在辅助膜内粒子的引导下,搜寻最优解的具体位置),“探索”任务是由辅助膜内的粒子来完成(即尽可能的遍历搜索空间,搜寻可能存在最优解的区域,为主膜内粒子的搜索提供引导)。其中,主膜内粒子与辅助膜粒子之间的信息交流由P系统中的交流规则来实现。为了达到探索与开发的目的,辅助膜内粒子需要保持较高的粒子活性,主膜内粒子要有精细化搜索的能力。对于新算法,我们借助常用的测试函数进行了检测,结果表明P-PSO算法具有很好性能。为了用粒子群优化算法来模拟产业集群的形成问题,我们将产业集群微粒群化。产业集群的竞争力值为粒子群优化算法中所求解的目标函数的值;产业集群的地理坐标为PSO算法中粒子搜索空间中的位置;集群内部企业之间肯定有“合作”与“竞争”,这可以通过PSO算法中“自我认知”部分和“社会”部分来实现。最后我们以山东汽车产业集群为例,运用P-PSO算法模拟集群内企业的聚集过程,通过实证分析,对汽车产业集群的发展进行了预测。
|
全文目录
目录 4-6 摘要 6-7 Abstract 7-9 1 绪论 9-13 1.1 研究背景及意义 9-10 1.2 产业集群的国内外研究现状 10 1.3 粒子群优化算法(PSO)的国内外研究现状 10-11 1.4 膜计算的国内外研究现状 11-12 1.5 论文的组织结构 12-13 2 理论概述 13-26 2.1 产业集群理论概述 13-20 2.1.1 产业集群定义 13-14 2.1.2 集群竞争优势分析 14-15 2.1.3 产业集群的重要特征--自组织 15-17 2.1.3.1 自组织理论 15-16 2.1.3.2 产业集群是一种自组织结构 16-17 2.1.4 产业集群竞争力的含义及评价方法 17-20 2.2 粒子群优化算法概述 20-22 2.2.1 算法基本原理 20-21 2.2.2 标准例子群优化算法 21-22 2.3 细胞型膜系统概述 22-24 2.3.1 膜计算的基本概念与原理 22-23 2.3.2 细胞型膜系统的简单举例 23-24 2.4 本章小结 24-26 3 基于膜计算的粒子群优化算法(P-PSO)研究 26-33 3.1 算法设计 26-29 3.1.1 编码规则 27 3.1.2 进化规则 27-29 3.2 算法详细流程 29-30 3.3 实验以及性能分析 30-32 3.3.1 测试函数 30 3.3.2 实验方法 30-31 3.3.3 实验分析 31-32 3.4 本章小结 32-33 4 基于粒子群优化的产业集群演化研究 33-43 4.1 产业集群演化机制与粒子群优化算法的相通性 33-34 4.2 基于 P-PSO 算法的产业集群演化模型 34-35 4.2.1 集群中的企业与粒子 34-35 4.2.2 演化模型的构建 35 4.3 实证分析---以山东汽车产业集群为例 35-42 4.3.1 山东省汽车产业概述 35-36 4.3.2 基本前提及假设 36 4.3.3 产业集群竞争力评价与三位模型的建立 36-41 4.3.3.1 集群竞争力评价 36-39 4.3.3.2 三位模型的建立 39-41 4.3.4 模型 MATLAB 求解及分析 41 4.3.5 集群发展对策与建议 41-42 4.4 本章小结 42-43 5 总结与展望 43-45 参考文献 45-48 致谢 48-49 已发表论文 49
|
相似论文
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 科学发展观视阈下的湖北省白酒产业集群发展研究,F426.82
- 发展重庆市文化产业集群探索,G124
- 西三角地区优先发展产业选择研究,F127
- 基于粒子群优化算法的船舶避碰研究,U675.96
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于改进粒子群算法的无功优化,TP301.6
- 技术类型、交易费用与一类产业集群的成因及演化趋势研究,F279.2
- 产业集群下服装区域品牌的网络结构分析及实证研究,F273.2
- 产业集群内企业间信任机制研究,F224
- 基于GEM模型的DY镇产业集群研究,F279.27
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 曲面测地与短程路径的分析和提取,TH122
- 沈阳装备制造业集群发展研究,F426.4
- 基于改进粒子群算法的无人机航迹规划,V279
- 微分进化算法及其在无人机航迹规划中的应用研究,V279
- 基于RFID监狱智能管理系统研究与实现,TP315
- 江门产业集群发展中的政府行为研究,F279.27
- 基于MPSO算法的云计算任务调度策略研究,TP3
- 一类改进的粒子群优化算法,TP301.6
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
|