資源描述:
《粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、浙江大學(xué)博士學(xué)位論文摘要粒子群優(yōu)化算法是最近十年來(lái)提出的一種全局優(yōu)化算法,粒子群優(yōu)化算法由于簡(jiǎn)單、容易理解的特點(diǎn),加之可以方便地在計(jì)算機(jī)上實(shí)現(xiàn),所以目前已經(jīng)得到不同領(lǐng)域研究者的注意,其理論和應(yīng)用方面的研究都已經(jīng)取得了初步成果。由于粒子群優(yōu)化算法提出的時(shí)間不長(zhǎng),雖然它的形式看上去比較簡(jiǎn)單,但是一些根本的問(wèn)題,比如算法的機(jī)理問(wèn)題,仍然沒(méi)能得到很好的理解。在應(yīng)用方面,如何將其與其它優(yōu)化算法相結(jié)合以便更適合解決實(shí)際的優(yōu)化問(wèn)題,也有待進(jìn)一步的研究。本文根據(jù)粒子群優(yōu)化算法研究的現(xiàn)狀,作了如下的一些工作:1.詳細(xì)分析了粒子群優(yōu)化算法的內(nèi)涵,以及此算法和其它方法之間
2、的聯(lián)系與區(qū)別。詳細(xì)表述了粒子群優(yōu)化算法的基本形式、步驟、和結(jié)構(gòu)。討論了參數(shù)對(duì)于算法效率的影響,算法的拓?fù)浣Y(jié)構(gòu)。在一些簡(jiǎn)化模型的基礎(chǔ)上,得到了粒子的運(yùn)動(dòng)軌跡,并對(duì)其收斂性進(jìn)行分析。考慮了在一般情況下各種可能的算法模型,分析了這些不同算法的參數(shù)選擇問(wèn)題、以及收斂速度問(wèn)題。2.提出了三種不同的改進(jìn)算法,首先是基于混沌搜尋以優(yōu)化系統(tǒng)參數(shù)的粒子群優(yōu)化算法,這種方法基于混沌搜尋的遍歷性,尋找最優(yōu)的系統(tǒng)參數(shù),以提高算法的效率。第二種是粒子群與Broyden—Fletcher-Goldfarb—Shanno(BFGS)混合優(yōu)化算法,將粒子群優(yōu)化算法的全局搜尋和基于梯
3、度尋優(yōu)的BFGS方法的快速收斂的特點(diǎn)相結(jié)合,充分發(fā)揮二者的優(yōu)越性,提高算法收斂速度。第三種是基于旋轉(zhuǎn)曲面變換的粒子群優(yōu)化算法,設(shè)計(jì)了旋轉(zhuǎn)曲面變換,通過(guò)計(jì)算過(guò)程中不斷反饋回來(lái)的關(guān)于待優(yōu)化函數(shù)的信息,使得局部極小點(diǎn)變換為全局最大點(diǎn)同時(shí)不改變比局部極小點(diǎn)的值更小的區(qū)域的函數(shù)形狀,從而跳出局部極小點(diǎn),提高算法效率。3.關(guān)于粒子群優(yōu)化算法的機(jī)理,根據(jù)非平衡熱力學(xué)中的Fokker—Planck方程與Langevin方程的關(guān)系,通過(guò)類比,經(jīng)過(guò)一系列的簡(jiǎn)化,把粒子群優(yōu)化算法的迭代方程化成標(biāo)準(zhǔn)的Langevin方程形式。然后找到其對(duì)應(yīng)的Fokker.Planck方程,
4、根據(jù)此方程的解分析粒子的聯(lián)合分布隨時(shí)間的演化。最后,根據(jù)以上的分析,從合適的解反過(guò)來(lái)找對(duì)應(yīng)的方程,從而設(shè)計(jì)了一類中間變量較少的類粒子群優(yōu)化算法。4.設(shè)計(jì)了粒子群優(yōu)化算法的三類應(yīng)用。它們是:Markov隨機(jī)場(chǎng)的參數(shù)估計(jì)問(wèn)題,浙江丈學(xué)博士學(xué)位論文優(yōu)化控制問(wèn)題,胺類有機(jī)物的毒性分類問(wèn)題。指出不同類型問(wèn)題的核心都在于如何將其轉(zhuǎn)化為優(yōu)化問(wèn)題,然后用粒子群優(yōu)化算法來(lái)解決此問(wèn)題。Markov隨機(jī)場(chǎng)的參數(shù)估計(jì)問(wèn)題是通過(guò)擬似然函數(shù)轉(zhuǎn)化為多元函數(shù)的優(yōu)化問(wèn)題。優(yōu)化控制問(wèn)題是通過(guò)對(duì)于系統(tǒng)方程和控制變量以及目標(biāo)泛函在時(shí)間域上的離散化而轉(zhuǎn)化為多元函數(shù)的優(yōu)化問(wèn)題。對(duì)于毒性分類,采
5、用神經(jīng)網(wǎng)絡(luò),主要是通過(guò)一個(gè)適應(yīng)值函數(shù)將樣本的訓(xùn)練效果轉(zhuǎn)化為優(yōu)化問(wèn)題。最后,總結(jié)了全文研究的內(nèi)容,指出了還沒(méi)有研究清楚的一些領(lǐng)域,提出了進(jìn)一步研究的方向。關(guān)鍵詞:粒子群優(yōu)化,混合算法,BFGS算法,混沌,F(xiàn)okker.Planck方程,Langevin方程,Markov隨機(jī)場(chǎng),參數(shù)估計(jì),優(yōu)化控制,神經(jīng)網(wǎng)絡(luò)2浙江大學(xué)博士學(xué)位論文AbstractParticleSwarmOptimization(PSO)algorithmisaglobaloptimizationalgorithmpresentedinthepastdecade.PSOiseasytobe
6、understoodandrealizedonthecomputer,SOitattractedattentionofresearchersindifferentfieldsandtheresearchregardingitstheoryandapplicationhasgainedprimaryachievements.Sinceitisanewmethod,somefundamentalbehaviorisstillnotclear.Intheapplicationarea,tocombineitwitlllcoaloptimizationalg
7、orithm.isstillwaitingforfurtherstudy.AfteranalyzingthesituationofPSOresearch,thiswokdevotedontheaspects:1.ThebackgroundofPSOandtheconnectionsanddifferencesbetweenPSOandothermethodswereanalyzedindetail.Moreover,thefundamentalrecursiveequation,procedureandstructure,theinfluenceof
8、parametertoPSOefficiency,andtopologicalstructureresear