粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例

《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