收藏本站
《上海交通大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

多目标粒子群优化算法的全局搜索策略研究

王宇嘉  
【摘要】: 粒子群优化算法作为群体智能的一种,模拟了鸟群寻觅食物的生物行为,通过个体信息和社会信息在搜索空间中找寻最优。由于粒子群算法的快速收敛性和实现的简单性等特点,已经引起人们越来越多的关注,已广泛应用于函数优化、神经网络训练、模糊系统控制以及其它应用领域。 应用粒子群方法解决多目标优化问题时,确定全局最优解成为一个难点,在大多数情况下,类似于单目标优化的最优解在多目标问题中是不存在的,而是得到一组非劣解,即Pareto最优解,并且随着目标数量的增加,非劣解的数量也迅速增加,这将对粒子群算法的优化性能产生很大影响,因为全局最优解选取的“好坏”将直接影响算法的收敛性和分布性。另外粒子群的快速收敛性往往会导致算法收敛到局部最优,这是由于种群快速失去多样性造成的,因此当采用粒子群算法解决多目标优化问题时,改善种群的多样性也十分重要。本文针对粒子群算法解决多目标优化问题时遇到的问题提出了不同的全局搜索策略,具体来说本文的主要内容和创新点可以概括如下: 1.对多目标优化问题的基本概念和多目标粒子优化算法进行了概括和总结,为深入研究多目标粒子群优化算法奠定了理论基础。 2.提出了基于模糊偏好信息的多种群全局搜索策略。该方法将使用者的先验偏好信息加入到种群搜索中,根据每个目标的相对重要性计算偏好权值,采用主种群和辅助种群的多种群方式搜索目标空间,辅助种群的信息通过信息选择环节传递给主种群,该信息反映了决策者的偏好情况。优化过程中,辅助种群保证了算法的多样性,而主种群对辅助种群提供信息的利用,又保证了算法的收敛性。 3.提出了基于优先阶的均衡选择全局搜索策略。该方法有效地解决了非劣解数量在随目标空间增加而增加时,种群选择压力对算法性能产生影响的问题。采用优先阶优化准则代替Pareto优化准则,对非劣解集进一步划分排序以减少非劣解集中的点,只保留“最优折衷解”,并将“最优折衷解”作为全局最优解,对粒子的速度进行更新。均衡选择策略的加入,改善了多目标粒子群算法的收敛性能,均衡了算法的勘探和开采能力,在保证种群收敛到Pareto前沿的同时,也得到了一组分布性和多样性较好的非劣解。 4.提出了一种基于迁移操作防早熟的全局搜索策略。该方法针对粒子群算法易陷入局部最优的缺点,将迁移操作引入到粒子的搜索过程中,通过粒子性质的变化,增加了种群的多样性。执行迁移操作的过程中,需要确定的参数少,减少了计算的复杂度,另外迁移操作的水平传播方式使种群在“逃离”局部最优后,依然可以在不影响收敛的前提下,继续在目标空间中进行搜索。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨晓庆;左为恒;李昌春;;基于K-Means变异算子的混合PSO算法聚类研究[J];微电子学与计算机;2011年07期
2 屈敏;高岳林;江巧永;;基于Pareto邻域交叉算子的多目标粒子群优化算法[J];计算机应用;2011年07期
3 段其昌;黄大伟;雷蕾;段盼;;带扩展记忆的粒子群优化算法仿真分析[J];控制与决策;2011年07期
4 孙锋利;何明一;高全华;;一种引入密度因子的改进粒子群优化算法[J];计算机应用研究;2011年08期
5 李龙星;余炳辉;;用整体分布优化算法求解水火电力系统短期优化调度[J];计算机应用与软件;2011年07期
6 徐星;吴昱;李元香;;基于布朗运动的改进粒子群优化算法[J];计算机应用研究;2011年07期
7 李蕊;雷群泌;;一种面向汽车系统可靠性优化的任务分配方法[J];计算机应用研究;2011年07期
8 杨华;周锐;;基于熵值法的PSOBP神经网络私家车保有量的预测[J];电脑知识与技术;2011年19期
9 王喜宾;张小平;王翰虎;孙兴;;基于支持向量机的农业科技项目分类研究[J];贵州大学学报(自然科学版);2011年03期
10 余永红;冯斌;孙俊;;生化途径参数估计的QPSO-MGbest算法[J];计算机工程与应用;2011年20期
11 梁昔明;肖晓芳;;基于PSO算法的变差函数球状模型参数拟合[J];计算机工程;2011年14期
12 曾嘉俊;刘志刚;黄元亮;刘新东;;基于子区域的粒子群优化算法研究[J];计算机工程;2011年14期
13 李洪冬;张民;陈欣;;基于PSO算法的飞机平衡状态求解[J];计算机仿真;2011年08期
14 刘江波;李杰然;李亮;;基于ZMNL的K分布海杂波仿真[J];电子信息对抗技术;2011年03期
15 刘伟;王建平;张崇巍;;基于SVM的生物电阻抗人体内脏脂肪测量研究[J];电子测量与仪器学报;2011年07期
16 王波;吕俊伟;于振涛;盖俊峰;;一种物联网的时钟服务器配置方法[J];海军航空工程学院学报;2011年03期
17 段向军;;基于粒子群算法和神经网络的人脸识别分类器研究[J];计算技术与自动化;2011年02期
18 张晓南;刘安心;刘斌;张宏梅;青星;;基于优化PSO-SVM模型的软件可靠性预测[J];计算机应用;2011年07期
19 陈伟;陈璟;孙俊;须文波;;一种量子行为粒子群优化动态聚类算法[J];计算机应用研究;2011年07期
20 曹方;王伟;王介生;刘玉超;曹晟熙;;基于HS-PSO算法的PID控制器参数自整定[J];控制工程;2011年03期
中国重要会议论文全文数据库 前10条
1 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年
2 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
3 文建辉;钟科军;唐丽娟;蒋健晖;;基于离散的粒子群优化算法结合主成分分析用于相似烟气样品的色谱区分[A];全国生物医药色谱学术交流会(2010景德镇)论文集[C];2010年
4 李猛;王道波;甄子洋;;基于改进混合粒子群优化算法的模型最优降阶[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
5 陈志盛;李勇刚;;改进粒子群优化算法及其在磨削加工中的应用[A];第二十七届中国控制会议论文集[C];2008年
6 马琰铭;;基于粒子群优化算法的晶体结构预测新技术及其在高压新结构研究中的应用[A];2011中国材料研讨会论文摘要集[C];2011年
7 司维超;韩维;史玮韦;颜刚;;一种基于蜜蜂多群体觅食的粒子群优化算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 王群杰;齐美清;汪伟;李磊;;粒子群优化算法在波导高通滤波器设计中的应用[A];2011年全国微波毫米波会议论文集(上册)[C];2011年
9 张翔;李纲;熊伟清;;修正AHP中判断矩阵一致性的粒子群优化算法[A];第二十九届中国控制会议论文集[C];2010年
10 卓永强;;船舶车舵联动协同控制最优化的研究[A];1995-2009航海技术论文选集(第1集)[C];2010年
中国博士学位论文全文数据库 前10条
1 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年
2 王宇嘉;多目标粒子群优化算法的全局搜索策略研究[D];上海交通大学;2008年
3 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年
4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
5 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年
6 徐文星;混沌粒子群优化算法及应用研究[D];北京化工大学;2012年
7 李丹;粒子群优化算法及其应用研究[D];东北大学;2007年
8 张玮;粒子群优化算法研究及在阵列天线中的应用[D];太原理工大学;2010年
9 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
10 李宁;粒子群优化算法的理论分析与应用研究[D];华中科技大学;2006年
中国硕士学位论文全文数据库 前10条
1 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
2 王婧;基于粒子群优化算法的集群调度策略研究[D];中国石油大学;2011年
3 张新娟;改进粒子群优化算法及其在图像分割中的应用[D];陕西师范大学;2011年
4 刘兰霞;多目标粒子群优化算法研究[D];湖南科技大学;2010年
5 刘煌;基于GA的改进粒子群算法研究及其在TSP上的应用[D];武汉理工大学;2010年
6 苗爱敏;基于动态特征的粒子群优化算法研究[D];云南大学;2010年
7 于锡才;基于粒子群优化算法的低NO_x排放过程的优化研究[D];东北大学;2008年
8 杨洋;基于粒子群优化算法的准循环LDPC码构造[D];北京交通大学;2011年
9 沈锡;基于粒子群优化算法的船舶航向PID控制[D];大连海事大学;2011年
10 刘现;蛋白质结构预测的粒子群优化算法研究[D];福建农林大学;2011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