基于分級(jí)的粒子群優(yōu)化算法.研究

基于分級(jí)的粒子群優(yōu)化算法.研究

ID:31977738

大小:2.98 MB

頁(yè)數(shù):80頁(yè)

時(shí)間:2019-01-30

基于分級(jí)的粒子群優(yōu)化算法.研究_第1頁(yè)
基于分級(jí)的粒子群優(yōu)化算法.研究_第2頁(yè)
基于分級(jí)的粒子群優(yōu)化算法.研究_第3頁(yè)
基于分級(jí)的粒子群優(yōu)化算法.研究_第4頁(yè)
基于分級(jí)的粒子群優(yōu)化算法.研究_第5頁(yè)
資源描述:

《基于分級(jí)的粒子群優(yōu)化算法.研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)

1、摘要摘要粒子群優(yōu)化算法(ParticleSwarmOptimization,PSO)是一種新穎進(jìn)化計(jì)算方法,最初受啟發(fā)于鳥群和魚群特定的社會(huì)行為,是基于種群搜索策略的自適應(yīng)隨機(jī)優(yōu)化算法。粒子群優(yōu)化算法具有實(shí)現(xiàn)簡(jiǎn)單、參數(shù)少、收斂速度快的優(yōu)點(diǎn),已被證明是一種較好全局優(yōu)化算法,引起了人們廣泛的關(guān)注。但是,粒子群優(yōu)化算法還存在早熟收斂和尋優(yōu)多樣性差等缺點(diǎn)。為了克服粒子群優(yōu)化算法的缺點(diǎn),本文對(duì)粒子群優(yōu)化算法及相關(guān)的背景知識(shí)進(jìn)行了介紹,并對(duì)粒子群優(yōu)化算法的理論、框架模型和信息交流機(jī)制進(jìn)行了深入探討。在此基礎(chǔ)之上提出了兩種粒子群優(yōu)化算法的改進(jìn)算法,進(jìn)行了相關(guān)的實(shí)驗(yàn),結(jié)果證明了改進(jìn)方法的有效性。本文具體工作

2、如下:首先,對(duì)粒子群優(yōu)化算法進(jìn)行了研究與分析。詳細(xì)介紹了粒子群優(yōu)化算法的原理、實(shí)現(xiàn)和發(fā)展動(dòng)因。對(duì)粒子群優(yōu)化算法的信息交流模型進(jìn)行了探討,分析了一些典型的粒子群拓?fù)浣Y(jié)構(gòu)。此外,還介紹了一些典型的改進(jìn)粒子群優(yōu)化算法,并對(duì)這些算法改進(jìn)的原理和方法進(jìn)行詳細(xì)分析,進(jìn)一步理解了粒子群優(yōu)化算法研究和發(fā)展的意義。其次,提出了一種分級(jí)的粒子群優(yōu)化算法。將分級(jí)思想引入粒子群優(yōu)化算法,按照適應(yīng)度對(duì)粒子進(jìn)行分級(jí),將粒子群分割為三個(gè)級(jí)別,分別為優(yōu)秀、普通和較差粒子群,并對(duì)不同等級(jí)的粒子進(jìn)行不同方式的尋優(yōu)。通過這種分級(jí)的方法,在不同的分級(jí)中進(jìn)行差別尋優(yōu),極大地保證了粒子群的多樣性,提升了粒子群優(yōu)化算法的尋優(yōu)性能。再次,

3、在前一章分級(jí)粒子群優(yōu)化算法的基礎(chǔ)上,進(jìn)一步改進(jìn)提出了分級(jí)混合粒子群優(yōu)化算法。該算法在上述分級(jí)的基礎(chǔ)上采用動(dòng)態(tài)分級(jí)方法,也將粒子群分為三級(jí),各分級(jí)中粒子數(shù)量適應(yīng)性改變。并將改進(jìn)的單純形方法和半隨機(jī)搜索法融入到分級(jí)的粒子群中進(jìn)行尋優(yōu)操作,更大程度保證了改進(jìn)粒子群優(yōu)化算法的尋優(yōu)多樣性和收斂性,進(jìn)一步提高了粒子群算法的尋優(yōu)能力和尋優(yōu)效率。最后,對(duì)本文的研究和工作進(jìn)行了總結(jié),提出了進(jìn)一步的研究展望。關(guān)鍵詞:粒子群優(yōu)化算法;群智能;分級(jí);單純形;函數(shù)優(yōu)化廣東工業(yè)大學(xué)碩士學(xué)位論文ABSTRACTParticleSwarmOptimization(PSO),anovelevolutionarycomputa

4、tiontechniqueoriginallyil印hdbycertainsocialbehaviorsofbirdflockingandfishschooling,isanadaptivestochasticalgorithmbasedonswarmsearchingstrategies.Duetoitssimplicityofimplementation,littlenumberofparametersandfastconvergence,PSOhasbeenapprovedtobeagoodglobaloptimizationalgorithmandhaswonmoreandmorea

5、ttention.However,therearesomedrawbacks,suchasprematureconvergence,poordiversityofoptimizationandsoOILToovercometheshortcomingsofPSOalgorithm,thispapergivesabriefintroductionofPSOalgorithmandsomerelatedbackground.ThePSOalgorithmtheory,thealgorithmframeworkmodelandthemechanismmodelarealsodeeplystudie

6、d.Basedonthesetheoreticalinvestigations,thispaperpresentstwoimprovedalgorithmsofPSO.Theexperimentsshowthattheimprovedalgorithmisfeasibleandeffective.Thispaperiscarriedoutasfollows:Firstly,thispaperstudiesandanalyzesPSOalgorithm.Theprinciples,impMmentationanddevelopingcausesofPSOalgorithmareelaborat

7、edhere.ThentheauthorprobesintotheinformationexchangingmodelofPSOandstudiesseveralclassicaltopologystructureofparticleswarm.Inaddition,sometypicalstrategiesofperfectingPSOalgorithmarealsointroducedandtheprin

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。