收藏本站
《太原理工大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的改进及应用

刘丽芳  
【摘要】: 粒子群优化算法是在对鸟群捕食行为模拟的基础上提出的一种群集智能算法,是进化计算领域中一个新的分支。它的主要特点是原理简单、参数少、收敛速度较快、易于实现。因此,该算法一提出就吸引了的广泛关注,逐渐成为一个新的研究热点。目前,粒子群优化算法应用于神经网络的训练、函数优化、多目标优化等领域并取得了较好的效果,有着广阔的应用前景。 论文的主要工作有: (1)对粒子群优化算法的理论基础和研究现状作了简要的介绍,分析了粒子群优化算法的原理及算法流程,对算法参数的选择做了详细的研究,并进行了相应的仿真实验。 (2)分析了粒子群优化算法存在的问题,主要包括:参数设置问题、算法“早熟”问题和算法稳定性问题。在粒子群优化算法中,参数的设置会影响算法优化的结果,因此,如何选择合适的参数达到最好的优化结果是算法需要解决的问题。“早熟”问题是优化算法普遍存在的问题。如果粒子在搜索最优值时过早收敛,就会使算法的寻优停滞在局部最小值,无法找到全局最优解。由于算法中粒子的初始位置、速度和一些参数是被随机初始化的,因此每一次算法运行的结果并不相同,有时结果的差别很大,这样就导致了算法优化结果不稳定。 (3)针对粒子群优化算法存在的问题,论文提出了一种新的改进算法——基于粒子进化的多粒子群优化算法。该算法采用局部版的粒子群优化方法,从“粒子进化”和“多种群”两个方面对标准粒子群算法进行改进。多个粒子群彼此独立地搜索解空间,保持了粒子种群的多样性,从而增强了全局搜索能力;而适当的“粒子进化”可以使陷入局部最优的粒子迅速跳出,有效的避免了算法“早熟”,提高了算法的稳定性。通过对测试函数进行仿真实验,验证了该算法的有效性。 (4)将基于粒子进化的多粒子群优化算法应用于线性瞬时混合的盲源分离。将该算法的仿真实验结果与标准粒子群优化算法的结果相比,前者在分离混合信号时所需要的迭代次数少,算法的稳定性高。 (5)将基于粒子进化的多粒子群优化算法用于求解非线性方程组。该算法求解精度高、收敛速度快,而且克服了一些算法对初值的敏感和需要函数可导的困难,能较快地求出复杂非线性方程组的最优解。数值仿真结果显示了该算法的有效性和可行性,为求解非线性方程组提供了一种实用的方法。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 张文爱;刘丽芳;李孝荣;;基于粒子进化的多粒子群优化算法[J];计算机工程与应用;2008年07期
2 张云明;;基于新变异算子的改进粒子群优化算法[J];计算机工程与科学;2011年09期
3 沈艳,郭兵,古天祥;粒子群优化算法及其与遗传算法的比较[J];电子科技大学学报;2005年05期
4 吴庆洪;张颖;马宗民;;粒子群优化算法及其应用综述[J];微计算机信息;2010年30期
5 武妍;徐敏;;一种改进的粒子群优化算法[J];计算机工程与应用;2006年33期
6 陈艳飞;何正文;;自适应粒子群优化算法在电力系统无功优化中的应用[J];低压电器;2007年15期
7 孙明杰;陈月霞;胡倩;;求解奇异非线性方程组的粒子群优化算法[J];黑龙江科技学院学报;2006年06期
8 王晓英;邢志栋;黄瑞平;;改进的粒子群优化算法[J];计算机应用与软件;2008年05期
9 吴新杰;张丹;李媛;陶崇娥;;基于粒子群优化算法处理圆度误差[J];传感技术学报;2007年04期
10 王书亭;王战江;;粒子群优化算法求解非线性问题的应用研究[J];华中科技大学学报(自然科学版);2005年12期
11 李小捷;许录平;杨莉;;应用于矢量量化的改进粒子群优化算法[J];模式识别与人工智能;2008年03期
12 罗建宏,张忠能;并行仿真的粒子群优化算法异步模式研究[J];计算机仿真;2005年06期
13 冯奇峰,李言;改进粒子群优化算法在工程优化问题中的应用研究[J];仪器仪表学报;2005年09期
14 孙勇;章卫国;章萌;尹伟;;基于混沌思想模糊自适应参数策略的粒子群优化算法[J];计算机应用研究;2010年01期
15 王文举;;如何实现粒子群优化算法求解二次规划问题[J];电脑编程技巧与维护;2013年19期
16 金丽兰;王志刚;夏慧明;;一种改进的粒子群优化算法[J];价值工程;2013年23期
17 沈学利;张红岩;张纪锁;;一种新的改进粒子群优化算法[J];计算机仿真;2011年03期
18 孙娜;张庆庆;;粒子群优化算法研究[J];衡水学院学报;2010年01期
19 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期
中国重要会议论文全文数据库 前10条
1 肖龙光;丁晓东;谢集平;;粒子群优化算法的改进[A];第二十三届中国控制会议论文集(上册)[C];2004年
2 沈希;黄振迪;黄跃进;;基于遗传策略的粒子群优化算法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
3 孙向军;赵斯强;严宗睿;;基于粒子群优化的反潜搜索研究[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
4 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
5 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
6 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 刘钊;;基于粒子群优化算法的足球机器人动作选择研究[A];2004中国机器人足球比赛暨学术研讨会论文集[C];2004年
8 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
9 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
10 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
中国博士学位论文全文数据库 前10条
1 易云飞;基于伊藤随机过程的粒子群优化算法及其应用研究[D];武汉大学;2015年
2 郑波;基于粒子群优化算法的航空发动机故障诊断与性能参数预测研究[D];电子科技大学;2018年
3 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
4 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年
5 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
6 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
7 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年
8 莫愿斌;粒子群优化算法的扩展与应用[D];浙江大学;2006年
9 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
10 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
中国硕士学位论文全文数据库 前10条
1 刘丽芳;粒子群算法的改进及应用[D];太原理工大学;2008年
2 张霞;粒子群优化算法在语音信号盲源分离技术中的研究[D];沈阳航空航天大学;2013年
3 李德生;结合经典优化思想的粒子群优化算法的改进及应用[D];北京建筑大学;2014年
4 赵玉静;改进的粒子群优化算法及应用[D];华南理工大学;2011年
5 薛婷;粒子群优化算法的研究与改进[D];大连海事大学;2008年
6 孙建英;粒子群优化算法的分析及改进[D];大连海事大学;2007年
7 侯新培;融合多策略的多目标粒子群优化算法及其应用研究[D];燕山大学;2018年
8 徐雅静;基于粒子群优化算法的京津冀区域协同创新能力评估研究[D];燕山大学;2018年
9 包虹斐;基于蛙跳算法和增删机制的多种群粒子群优化算法及其应用[D];江苏大学;2018年
10 陈军;框架结构损伤识别的小波—粒子群优化算法研究[D];长沙理工大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978