学位论文 > 优秀研究生学位论文题录展示

个性化微粒群算法研究

作　者: 蔡星娟
导　师: 谭瑛；曾建潮
学　校: 太原科技大学
专　业: 计算机软件与理论
关键词: 微粒群算法惯性权重认知系数社会系数算法结构
分类号: TP301.6
类　型: 硕士论文
年　份: 2008年
下　载: 64次
引　用: 3次
阅　读: 论文下载

内容摘要

微粒群算法是一种模拟鸟群飞行、鱼群游动等生物群体社会行为的群体随机优化算法,由于它结构简单、运算速度较快,已广泛应用于许多领域。论文从智能体(Agent)观点出发,提出了个性化微粒群算法框架,并将其应用于参数选择及结构优化。标准微粒群算法仅利用了微粒的记忆性,没有考虑微粒的其它特性。这一局限使得微粒群算法与其生物学背景之间存在较大差异,从而影响了算法的计算效率。有鉴于此,论文将算法中的微粒视为具有记忆能力、通讯能力、响应能力、协作能力及自学习能力的智能体(Agent)粒子,提出了个性化微粒群算法框架。该算法在标准微粒群算法的基础上,利用多智能体之间的相互竞争、相互协作,使微粒能更好地适应周围环境,从而更加符合算法的生物学背景。参数选择是微粒群算法研究的一个重要内容,与已有的参数选择策略不同,个性化的参数选择策略需要充分利用各微粒的通讯、响应、协作及自学习能力,从而导致不同微粒在同一代中参数具有不同的值。论文以各微粒对环境适应能力的优劣为基础,提出了线性化的性能评价指标作为微粒的自学习能力,并根据协作能力动态调整全局搜索能力与局部搜索能力之间的比例。基于该思想,论文成功提出了惯性权重、认知系数及社会系数的个性化选择策略,仿真结果表明这些策略能有效地提高算法的计算效率。对于微粒群算法的另一个重要研究内容—结构优化,论文根据较优位置附近存在全局极值点的概率较大这一原则,初步探讨了个性化的微粒群算法结构实现方式。由于个性化惯性权重策略具有较高的选择压,容易陷入局部极值点。因此,论文引入一种特殊的结构以限制局部搜索能力,强化其全局搜索能力,从而有效地避免了过早收敛现象的发生。然而,该策略的全局搜索性能仍然较弱,为此,论文进一步提出了一种发散的进化方式。仿真结果表明该算法能有效提高种群多样性。

全文目录

中文摘要  3-4
ABSTRACT  4-11
第一章引言  11-23
  1.1 优化问题  11-13
    1.1.1 遗传算法  12
    1.1.2 模拟退火算法  12-13
    1.1.3 禁忌搜索算法  13
  1.2 群体智能算法  13-14
    1.2.1 群智能  13
    1.2.2 常见的群智能算法  13-14
  1.3 微粒群算法  14-21
    1.3.1 标准微粒群算法  15
    1.3.2 标准微粒群算法流程  15-16
    1.3.3 社会行为分析  16-17
    1.3.4 与其它进化算法的比较  17-18
    1.3.5 微粒群算法的研究背景和现状  18-21
  1.4 本文主要完成的工作  21-23
第二章个性化惯性权重设计策略  23-54
  2.1 个性化微粒群算法框架  23-27
    2.1.1 标准微粒群算法的分析  23-24
    2.1.2 多智能体介绍  24-25
    2.1.3 个性化微粒群算法框架  25-27
  2.2 惯性权重的个性化选择策略  27-36
    2.2.1 类繁殖池策略  28
    2.2.2 类FUSS 策略  28-29
    2.2.3 类锦标赛策略  29
    2.2.4 算法流程  29-30
    2.2.5 实例仿真  30-36
  2.3 带有混沌策略的IIWS1  36-45
    2.3.1 IIWS1 的种群多样性分析  36-37
    2.3.2 混沌的基本概念  37-38
    2.3.3 几种典型的混沌模型  38-39
    2.3.4 算法流程  39
    2.3.5 实例仿真  39-45
  2.4 带有变异的IIWS1  45-51
    2.4.1 变异策略  45-46
    2.4.2 算法流程  46
    2.4.3 实例仿真  46-51
  2.5 小结  51-54
第三章个性化认知系数与社会系数设计策略  54-79
  3.1 已有认知系数与社会系数选择策略的缺陷  54
  3.2 基于历史最优适应值的认知系数个性化调整策略  54-60
    3.2.1 个性化设计策略  54-55
    3.2.2 变异策略  55
    3.2.3 算法流程  55-56
    3.2.4 仿真实例  56-60
  3.3 基于当前适应值的认知系数个性化调整策略  60-65
    3.3.1 个性化调整策略  60-61
    3.3.2 变异策略  61
    3.3.3 算法流程  61-62
    3.3.4 仿真实例  62-65
  3.4 社会系数的个性化选择策略  65-71
    3.4.1 个性化调整策略  65-66
    3.4.2 变异策略  66
    3.4.3 算法流程  66-67
    3.4.4 仿真实例  67-71
  3.5 认知系数与社会系数的混合个性化选择策略  71-78
    3.5.1 个性化调整策略  71-72
    3.5.2 变异策略  72-73
    3.5.3 算法流程  73
    3.5.4 仿真实例  73-78
  3.6 小结  78-79
第四章个性化改进微粒群算法  79-90
  4.1 基于个性化惯性权重的改进微粒群算法  79-84
    4.1.1 个性化惯性权重选择策略分析  79-80
    4.1.2 基于个性化惯性权重策略的改进微粒群算法  80-81
    4.1.3 仿真实例  81-84
  4.2 基于发散结构的个性化改进微粒群算法  84-89
    4.2.1 吸引扩散微粒群算法  84-85
    4.2.2 基于发散结构的个性化改进微粒群算法  85-86
    4.2.3 仿真实例  86-89
  4.3 小结  89-90
第五章总结与展望  90-93
参考文献  93-101
研究生期间参加科研项目和发表的论文  101-103
致谢  103-104
个人简况及联系方式  104-105

个性化微粒群算法研究

内容摘要

全文目录

相似论文