学位论文 > 优秀研究生学位论文题录展示
基于有向自组织种群结构的扩展微粒群算法研究
作 者: 台亚丽
导 师: 曾建潮; 莫思敏
学 校: 太原科技大学
专 业: 系统工程
关键词: 扩展微粒群算法(EPSO) 有向自组织种群结构 局部搜索能力
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
扩展微粒群算法(EPSO)是通过模拟生物社会群体智能行为而构造的一个新颖的算法,由于生物社会是一个自组织的网络结构,EPSO算法若能模拟生物社会网络结构的自组织演化过程,则能更加真实地模拟生物群体的智能行为。针对无向自组织种群拓扑结构在EPSO算法上的不足,本文构造了有向自组织种群结构,并对其拓扑结构特征以及结构中特征度量的演化与EPSO算法性能之间的关系等进行了研究。首先,设计了不同的静态有向种群结构,研究静态有向种群结构的特征度量对EPSO算法性能的影响,以利于指导有向自组织种群拓扑结构的构造。通过实验仿真,得出了微粒的出度值和适应值是影响EPSO算法局部搜索与全局搜索能力的重要因素等结论。其次,以EPSO算法在静态有向种群结构研究中的相关结论为指导,提出了EPSO-DSOTIS算法。该算法在节点量固定不变的条件下,建立了节点入度值按照适应值择优选择学习对象而出度值逐渐减小的有向自组织种群结构演化机制,将其作用于EPSO算法。仿真实验表明了该算法加快了群体中最优信息的传播速度,提高了EPSO算法的局部搜索能力。最后,为了进一步提高EPSO算法的局部搜索能力,提出了EPSO-DSOTDC算法。该算法在EPSO-DSOTIS算法的基础上结合实际社会生活中存在动态复杂网络以及生物群体优胜劣汰的思想,建立了节点删除与补偿的节点量动态变化的有向自组织种群拓扑结构演化机制。通过仿真实验,得出随着算法的不断进化,有向种群结构中多样性值逐渐减小等结论,说明了EPSO-DSOTDC算法在EPSO-DSOTIS算法的基础上进一步提高了EPSO算法的局部搜索能力。
|
全文目录
中文摘要 5-6 ABSTRACT 6-10 第一章 绪论 10-24 1.1 论文研究背景与意义 10-11 1.2 常见的群体智能算法 11-15 1.2.1 蚁群算法(ACO) 11-12 1.2.2 微粒群算法(PSO) 12-14 1.2.3 拟态物理学优化算法(APO) 14-15 1.3 扩展微粒群算法(EPSO) 15-17 1.4 PSO 算法和 EPSO 算法的种群结构的研究现状 17-18 1.4.1 PSO 算法的种群结构的研究现状 17-18 1.4.2 EPSO 算法的种群结构的研究现状 18 1.5 复杂网络的基本概念及有向种群结构的研究现状 18-24 1.5.1 无向网络概念 19-20 1.5.2 有向网络概念 20-21 1.5.3 有向种群结构的研究现状 21-22 1.5.4 本文主要完成的工作 22-24 第二章 基于静态有向种群结构的 EPSO 算法研究 24-34 2.1 静态有向种群结构的特征度量对 EPSO 算法性能的影响 24-31 2.1.1 测试函数 24-26 2.1.2 节点出度值对算法性能的影响 26-28 2.1.3 节点入度值与适应值对算法性能的影响 28-31 2.2 不同有向结构作用下的 EPSO 性能分析 31-32 2.3 本章小结 32-34 第三章 基于节点量固定的有向自组织种群结构的 EPSO 算法 34-42 3.1 BA 无标度有向网络结构模型 34-35 3.2 算法思想及步骤 35-36 3.2.1 算法思想 35-36 3.2.2 算法步骤 36 3.3 有向种群结构的演化步骤 36-37 3.4 仿真实验 37-41 3.4.1 EPSO-DSOTIS、PSO 和 EPSO 算法性能的比较 37-38 3.4.2 有向自组织种群结构特征度量的动态性描述 38-40 3.4.3 EPSO-DSOTIS 算法的最终种群结构的分析 40-41 3.5 本章小结 41-42 第四章 基于节点量变化的有向自组织种群结构的 EPSO 算法 42-54 4.1 算法思想 42 4.2 算法流程图 42-44 4.3 有向种群结构演化过程及演化参数的设计 44-46 4.3.1 有向种群结构的演化过程 44-45 4.3.2 有向种群结构演化参数的设计 45-46 4.4 仿真实验 46-52 4.4.1 新生节点的位置对 EPSO-DSOTDC 算法性能的影响 46-47 4.4.2 EPSO-DSOTDC、EPSO-DSOTIS 和 EPSO 算法性能的比较 47-50 4.4.3 EPSO-DSOTDC 中有向种群结构特征度量的动态性描述 50-52 4.5 本章小结 52-54 第五章 总结与展望 54-56 参考文献 56-62 致谢 62-64 攻读研究生期间发表的学术论文 64-66 个人简介及联系方式 66-67
|
相似论文
- 660MW机组监测与诊断技术的研究,TM76
- 基于支持向量机的故障诊断方法研究,TP18
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于变异粒子群的聚类算法研究,TP18
- 语音情感识别的特征选择与特征产生,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于知识推理的交叉销售系统的设计与实现,TP18
- 基于粗糙集的城市区域交通绿时控制系统研究,TP18
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 人工智能的哲学思考,TP18
- 基于强化学习的改进遗传算法研究,TP18
- 基于数据融合技术舞台故障诊断方法的研究,TP18
- 基于量子遗传算法的单阶段多产品批处理调度研究与应用,TP18
- 量子遗传算法及其在调度问题中的应用研究,TP18
- 蚁群聚类算法研究与应用,TP18
- 基于支持向量机(SVM)理论的个人信用评估研究,TP18
- 基于改进区分矩阵的属性约简算法研究与应用,TP18
- 遗传算法和BP网络技术在LF炉温度预报中的应用,TP18
- 混合DNA遗传算法及在MTSP问题中的应用,TP18
- 基于Agent的自动协商相关问题研究,TP18
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
|