資源描述：
《基于雙種群的改進(jìn)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。
1、磺士學(xué)位論文第一章緒論20世紀(jì)90年代出現(xiàn)的群智能算法作為一種新興的演化計(jì)算技術(shù)，已成為越來越多研究者的關(guān)注焦點(diǎn)。經(jīng)過近lO年的發(fā)展，群體智能算法憑借其簡單的算法結(jié)構(gòu)和有效的問題求解能力，取得了大量的成果。粒子群算法作為群體智能算法中的一種，具有傳統(tǒng)算法所不可比擬的優(yōu)點(diǎn)。目前已廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制以及其他應(yīng)用領(lǐng)域。雖然粒子群算法是一種很有潛力的群智能算法，但是目前在理論、應(yīng)用和數(shù)學(xué)基礎(chǔ)上的研究還很不夠。針對(duì)粒予群算法存在的一些問題，對(duì)其進(jìn)行深化研究并解決其容易陷入局部最優(yōu)的不足，是
2、一個(gè)很有意義的工作．本文在對(duì)基本粒子群算法進(jìn)行深入分析以后，針對(duì)其存在的缺陷，提出一種基于雙種群的改進(jìn)粒子群算法。兩個(gè)種群不同的運(yùn)動(dòng)方式和軌跡，以及針對(duì)種群間的合作與競爭設(shè)計(jì)的信息交換機(jī)制，使得算法性能能夠得到改進(jìn)。1．1研究背景及意義群智能是一種基于生物群體行為規(guī)律的計(jì)算技術(shù)，它受社會(huì)生態(tài)系統(tǒng)，例如蟻群、蜂群、鳥群和魚群等的啟發(fā)，來解決分布式問題。在研究自然界的生物群體系統(tǒng)時(shí)，研究者會(huì)驚奇地發(fā)現(xiàn)，這種群體系統(tǒng)所擁有的魯棒性和高超解決問題能力，僅僅是依靠一套在個(gè)體間和個(gè)體與環(huán)境問簡單的交互規(guī)則就可以產(chǎn)生。這
3、些群體生物通過合作，依靠集體的力量可以完成看起來很復(fù)雜的任務(wù)。這種自然系統(tǒng)解決問題的能力，要優(yōu)于彼此分離的個(gè)體所組成的系統(tǒng)．群智能(SwarmIntelligence,SI)中的群體指的是“一組相互之間可以進(jìn)行直接通信或者間接通信(通過改變局部環(huán)境)的主體，這些主體能夠通過合作進(jìn)行分布式問題的求解”．1992年，Beni、Hackwood和Wang在分子自動(dòng)機(jī)系統(tǒng)研究中最早提出群智能的概念【¨．之后，Holland正式提出復(fù)雜適應(yīng)系統(tǒng)(ComplexAdaptiveSystem,CAS)理論[25l，其基本
4、觀點(diǎn)是；主體能夠與環(huán)境以及其它主體進(jìn)行交流，在這種交流過程中學(xué)習(xí)或積累經(jīng)驗(yàn)，并且根據(jù)學(xué)到的經(jīng)驗(yàn)改變自身的結(jié)構(gòu)和行為方式。1999年，Bonabeau、Dorigo和Theranlaz在{SwarmIntelligence：FromNaturaltoArtificialSystems}對(duì)群智能進(jìn)行了定義：任何一種由昆蟲群體或其它動(dòng)物社會(huì)行為機(jī)制而激發(fā)設(shè)計(jì)出的算法或分布式解決問題的策略均屬于群智能[41．碩士學(xué)位論文第一章緒論2001年，JamesKennedy和RttssellC．Eberhart在(Swar
5、mIntelligence}中認(rèn)為人的智能是源于社會(huì)性的相互作用【5l。這是群智能發(fā)展的重要?dú)v程碑。與大多數(shù)基于梯度優(yōu)化的算法不同，群智能是一種概率搜索算法。群智能有如下特點(diǎn)和優(yōu)點(diǎn)：群體中相互合作的個(gè)體是分布的(Distributed)，這樣更能夠適應(yīng)當(dāng)前網(wǎng)絡(luò)環(huán)境下的工作狀態(tài)。沒有中心的控制與數(shù)據(jù)，這樣的系統(tǒng)更具有魯棒性(Robust)，不會(huì)由于某一個(gè)或者某幾個(gè)個(gè)體的故障而影響整個(gè)問題的求解。可以不通過個(gè)體之間直接通信，而是通過非直接通信進(jìn)行合作，這樣的系統(tǒng)具有更好的可擴(kuò)充性(Sealability)。由于
6、系統(tǒng)中個(gè)體的增加而增加的系統(tǒng)通信開銷在這里是十分小的，系統(tǒng)中每個(gè)個(gè)體的能力十分簡單，這樣每個(gè)個(gè)體的執(zhí)行時(shí)間比較短，并且實(shí)現(xiàn)也比較簡單，具有簡單性(Simplicity)。群智能在沒有集中控制并且不提供全局模型的前提下，為尋找復(fù)雜分布式問題的解決方案提供了一種新的思路。事實(shí)上，群智能方法能夠被用于解決大多數(shù)優(yōu)化問題，或者能夠轉(zhuǎn)化為優(yōu)化求解的問題。目前，群智能的應(yīng)用領(lǐng)域已擴(kuò)展到多目標(biāo)優(yōu)化、數(shù)據(jù)分類、數(shù)據(jù)聚類、模式識(shí)別、信號(hào)處理、機(jī)器人控制、決策支持以及仿真和系統(tǒng)辯識(shí)等領(lǐng)域。無論是從理論研究還是從應(yīng)用研究的角度分
7、析，群智能理論及應(yīng)用研究都具有重要學(xué)術(shù)意義和現(xiàn)實(shí)價(jià)值。群智能理論研究領(lǐng)域主要有兩種算法：蟻群算法和粒子群優(yōu)化算法：(1)1991年M．Dorigo等人通過人工模擬螞蟻搜索食物的過程，提出了蟻群算法(antColonyOptmlization．AC0)的思想刪。蟻群算法是對(duì)螞蟻群落食物采集過程的模擬，已成功應(yīng)用于許多離散優(yōu)化問題。M．Dorigo等人應(yīng)用該算法求解TSP問題、分配問題，取得了較好的結(jié)果。蟻群算法是模仿螞蟻依賴信息素(pheromone)進(jìn)行通信而顯示出的社會(huì)性行為。分析螞蟻搜尋食物的過程可以發(fā)
8、現(xiàn)：在螞蟻群找到食物時(shí)，它們總能找到一條從食物到巢穴之間的最優(yōu)路徑。其尋徑過程的特點(diǎn)是：①螞蟻在尋找路徑時(shí)會(huì)在路徑上釋放出一種特殊的信息素；②當(dāng)它們碰到一個(gè)還沒有走過的路口時(shí)，就隨機(jī)地挑選一條路徑前行，與此同時(shí)釋放出與路徑長度有關(guān)的信息素，路徑越長，釋放的激索濃度越低；③后來的螞蟻再次碰到這個(gè)路口的時(shí)候，選擇激素濃度較高路徑概率就會(huì)相對(duì)較大；④最優(yōu)路徑上的激索濃度越來越大，而其它的路徑上激素濃度卻會(huì)隨著時(shí)間的流逝
