学位论文 > 优秀研究生学位论文题录展示
粒子群优化算法在卷烟配方设计中的应用研究
作 者: 张华
导 师: 丁香乾
学 校: 中国海洋大学
专 业: 计算机应用技术
关键词: 粒子群算法 遗传算法 混沌 智能优化 卷烟配方设计
分类号: TS41
类 型: 硕士论文
年 份: 2009年
下 载: 126次
引 用: 3次
阅 读: 论文下载
内容摘要
群体智能(Swarm Intelligence)作为一个新型的研究领域,自从20世纪70年代出现以来,就引起了多个学科研究人员的关注,已经成为经济、社会、生物、计算机等学科的热点和前沿领域。群体智能利用群体优势,在没有集中控制,不提供全局模型的前提下,为寻找复杂问题解决方案提供了新的思路。粒子群优化(PSO, Particle Swarm Optimization)算法就是一种群体智能优化算法,它是在1995年由Eberhart和Kennedy共同提出的。这种算法模仿鸟类和鱼类群体觅食迁徙中个体与群体协调一致的机理,通过群体最优方向、个体最优方向和惯性权重的协调来求解实数化问题。近年来该方法已经成为新的研究热点。卷烟的品质受到多种因素的影响,包括香精香料、辅助材料、包装纸、过滤嘴等。然而,构成烟的多种烟叶组合(叶组)是决定卷烟感觉质量的最重要、最直接的因素。尽管卷烟的感觉品质为它的化学成分所决定,自然需要检测烟叶的化学成分,但是卷烟的基本配方是在烟叶的基础上进行的,所需要优化的配料组合是叶组,而不是直接面向化学成分。这也是卷烟配方的复杂性的根源之一。本文利用PSO算法来解决配方优化设计这类组合优化问题:通过修改标准粒子群算法的速度更新公式,用全体粒子的平均极值代替粒子的个体极值来提高粒子的寻优性能。同时在修改后的算法的基础上分别引入遗传策略和混沌思想,提高了算法的寻优性能和准确度。最后通过和已有算法遗传算法在配方优化设计中的应用的比较,用本文中提出的修改后的算法的仿真结果要明显好于遗传算法的仿真结果,这也为卷烟配方设计提供了相对更为准确的参考方案。本文对粒子群优化算法的应用研究也为解决其他类似的问题提供了一种新的思路和方法。
|
全文目录
摘要 5-6 Abstract 6-10 第一章 概论 10-14 1.1 选题背景及研究意义 10 1.2 粒子群优化算法研究现状 10-12 1.3 烟草工业信息化现状 12 1.4 论文主要研究内容 12-14 第二章 智能优化方法的产生与发展 14-19 2.1 最优化问题的模型 14-15 2.2 传统优化方法的步骤及局限性 15-17 2.2.1 传统优化方法的基本步骤 15-16 2.2.2 传统优化方法的局限性 16-17 2.3 智能优化方法的产生与发展 17-18 2.4 小结 18-19 第三章 粒子群算法概述 19-47 3.1 理论基础 19-20 3.2 粒子群优化算法的三种典型模型 20-31 3.2.1 基本PSO 模型 20-24 3.2.2 带惯性权重的PSO 模型(标准PSO) 24-30 3.2.3 带收缩因子的PSO 模型 30-31 3.3 粒子群优化算法的构成要素 31-32 3.4 粒子群优化算法存在的问题 32-33 3.5 粒子群优化算法的诸多改进 33-40 3.5.1 二进制离散粒子群优化算法 33-34 3.5.2 改进的二值离散粒子群算法 34 3.5.3 小生境粒子群算法 34-36 3.5.4 基于遗传策略的改进 36-38 3.5.5 混沌粒子群优化算法 38-39 3.5.6 其他改进算法 39-40 3.6 粒子群优化算法的收敛性分析 40-43 3.7 粒子群算法与其他算法的比较 43-46 3.7.1 基于梯度的优化算法 43 3.7.2 进化计算方法 43-44 3.7.3 蚁群算法 44-46 3.8 小结 46-47 第四章 卷烟配方设计中的粒子群算法研究 47-63 4.1 卷烟配方问题 47-49 4.2 叶组配方设计 49-50 4.3 标准粒子群算法的应用 50-54 4.3.1 粒子的定义 50 4.3.2 目标函数 50-51 4.3.3 参数设置 51 4.3.4 种群初始化 51 4.3.5 迭代寻优 51-52 4.3.6 仿真结果 52-54 4.4 改进的粒子群优化算法 54-56 4.4.1 算法流程 55 4.4.2 仿真实验 55-56 4.5 基于遗传策略的粒子群算法的应用 56-58 4.5.1 算法流程 56-57 4.5.2 仿真实验 57-58 4.6 基于混沌的粒子群优化算法的应用 58-60 4.6.1 算法流程 59-60 4.6.2 仿真实验 60 4.7 实验结果比较 60-62 4.8 小结 62-63 第五章 粒子群算法与遗传算法在配方设计中的对比研究 63-69 5.1 配方设计中的遗传方法 63-66 5.1.1 遗传算法的工作原理 63 5.1.2 基本遗传算子 63-64 5.1.3 具体应用 64-66 5.2 两种方法的对比分析 66-68 5.3 两种方法的结合 68 5.4 小结 68-69 第六章 结论与展望 69-71 6.1 结论 69 6.2 展望 69-71 参考文献 71-75 致谢 75-76 个人简介 76 发表的学术论文 76
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 关于混沌系统同步控制方面的研究,O415.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 低压电力线载波通信可靠性研究,TM73
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 混沌振子多进制调制解调技术研究,TN915.05
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 具有时滞捕捞项和基于比率的食饵—捕食者模型研究,O175
- 基于粒子群的分子对接算法,R91
- 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
- 遗传算法在物流仓储优化中的应用研究,F259.2
中图分类: > 工业技术 > 轻工业、手工业 > 烟草工业 > 基础科学
© 2012 www.xueweilunwen.com
|