收藏本站
《江南大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

群体智能算法及其在数字滤波器优化设计中的研究

方伟  
【摘要】: 群体智能是指无智能的主体通过合作表现出智能行为特性的系统,群体智能在没有集中控制并且不提供全局模型的前提下,为寻找复杂问题的解决方案提供了基础。群体智能算法是通过模拟社会性生物群体的群体行为,对给定的目标进行寻优的启发式搜索算法,其寻优过程体现了随机、并行和分布式等特点。群体智能算法的典型代表是模拟了鸟类群体行为的粒子群优化(Particle Swarm Optimization,PSO)算法,由Kennedy和Eberhart于1995年提出。PSO算法自提出以来,由于其计算简单、易于实现、控制参数少等特点,引起了国内外相关领域众多学者的关注和研究。具有量子行为的粒子群优化(Quantum-behaved Particle Swarm Optimization,QPSO)算法是在深入研究PSO算法单个粒子收敛行为的基础上,受量子物理学的启发而提出,QPSO算法具有控制参数更少,收敛速度快,全局搜索能力强等特点。 本文以PSO算法与QPSO算法的理论分析及改进方法研究为重点,系统的研究了QPSO算法及其改进算法在数字滤波器优化设计中的应用方法,具体内容如下: (1)阐述了群体智能优化算法及数字滤波器优化设计的研究背景;介绍了两种典型的群体智能优化算法的研究现状,即蚁群优化算法与PSO算法;对多种不同类型的数字滤波器的优化设计方法作了详细介绍;提出了本课题的研究思路与方法。 (2)通过代数方法分析了PSO算法的收敛性,得出了PSO算法的收敛条件与发散条件,并通过仿真实验验证了分析结论的正确性;然后针对PSO算法在多峰优化问题中易于出现早熟收敛的现象,根据分析的结论提出了基于群体多样性信息控制的PSO算法,算法通过判断群体的多样性来设定群体的搜索状态,即当群体多样性超出设定的上限时,立刻将群体的状态更改为收缩状态,当群体多样性低于设定的下限时,立刻将群体的状态更改为发散状态,群体通过不断的收缩、发散操作完成寻优过程:对多个不同特征的标准测试函数的求解结果显示了算法在多峰优化问题中具有较强的优化能力。 (3)给出了QPSO算法的设计思路。分析了随机算法收敛的两个判断准则,即全局搜索算法的收敛准则与局部搜索算法的收敛准则,利用这两个收敛准则作为依据,证明了QPSO算法是一个全局搜索的随机算法,这为进一步研究QPSO算法的理论问题提供了基础。 (4)算法参数是影响算法性能和效率的关键,文中对QPSO算法中除群体规模和迭代次数外的唯一参数(扩张-压缩因子)的取值方式作了系统的研究,提出了该参数的四种控制策略,即固定取值策略,线性取值策略,非线性取值策略与自适应控制取值策略,通过对标准测试函数的求解分别研究了这四种控制策略,得出了具有指导意义的结论。 (5)针对QPSO算法在解决多峰优化问题中也可能出现局部收敛的现象,分析了出现局部收敛的主要原因在于群体多样性较低而使得群体失去了在大范围内进行搜索的能力,基于两种群体多样性的度量方式,提出了采用全局最优点变异策略对群体进行操作以避免群体的多样性过小,从而提高算法的全局搜索能力,通过对标准测试函数的求解结果表明改进算法的全局求解能力得到了提升。 (6)提出了基于QPSO算法与其他进化算法的混合算法以进一步提高QPSO算法的搜索效率及优化性能。第一种方式是采用进化算法中的变异操作与OPSO算法混合,研究了多种类型的变异操作算子对QPSO算法优化性能的影响,变异操作能够增加群体的多样性,使得算法具有突跳的能力,进入新的搜索区域;第二种方式是在OPSO算法中将交叉操作引入,使得粒子可以不按照算法本身的方式产生新的位置,从而增加群体的多样性,提高算法跳出聚集区域的能力。混合的QPSO算法通过在标准测试函数中的求解显示了较好的优化能力。 (7)分析了不同类型数字滤波器的数学模型及优化设计方法,包括FIR数字滤波器、IIR数字滤波器、自适应IIR数字滤波器与二维IIR数字滤波器。根据数字滤波器优化设计的实质,即全局优化问题,提出了通过QPSO算法及其相应改进算法来完成数字滤波器优化设计模型的求解;对应不同的滤波器类型利用多个设计实例来验证OPSO算法及改进算法的性能与设计效果;通过与其它优化算法的设计结果相比较表明OPSO算法及改进算法能够在各类型数字滤波器的设计中取得更好的设计效果。 论文最后对所做工作与主要研究成果进行了总结,并提出了进一步的研究方向。
【学位授予单位】:江南大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:TN713.7

免费申请
【相似文献】
中国期刊全文数据库 前10条
1 张雯雰;高守平;;改进共享策略的简单群搜索优化算法[J];计算机工程与科学;2011年07期
2 王芳;刘军;谢克明;;利用子群体迁徙的思维进化算法设计[J];中北大学学报(自然科学版);2011年03期
3 何晓田;;基于3D MAX实现虚拟校园场景建模[J];电脑知识与技术;2011年22期
4 常淑娟;和煦;杨晓珍;;实现运动估计算法的优化技术[J];现代电子技术;2011年12期
5 曹倩;胡长军;李士刚;;Cell异构多核处理器上流水并行优化技术[J];计算机应用研究;2011年09期
6 ;办公专家ScanMaker V600扫描仪[J];上海微型计算机;1998年17期
7 陈芯怡;;广域网重复数据删除技术:数据中心的“必备”技术[J];电脑与电信;2011年06期
8 朱乾坤;王宏志;高宏;;在线RFID多复杂事件查询处理技术[J];计算机科学与探索;2011年09期
9 ;2011 TD-LTE网络创新研讨会征文启事[J];移动通信;2011年14期
10 屈武江;;构建电子商务实践培训体系 优化技术技能型人才培养[J];电子商务;2011年07期
中国重要会议论文全文数据库 前10条
1 王平;吴爱华;崔鲁光;张绪柱;;IE专业工作研究教学内容的改革[A];制造业与未来中国——2002年中国机械工程学会年会论文集[C];2002年
2 喻泽龙;杨云川;;提高电锌质量的探索与实践[A];中国有色金属学会——第二届青年论坛学术会议论文集[C];2004年
3 吴涛;杜国祥;袁嗣杰;;一种机载实时视频图像压缩与处理系统的设计与实现[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
4 窦慎;刘彬;;旬邑塬区黄芪高产栽培优化技术试验通报[A];陕西省气象学会2006年学术交流会论文集[C];2006年
5 郭勇庆;张英杰;;瘤胃内环境优化技术及其应用[A];《2009中国牛业进展》论文集[C];2009年
6 张卫红;王丹;;结构优化技术的新进展及其在航空工程中的应用初探[A];中国力学学会学术大会'2009论文摘要集[C];2009年
7 夏昌浩;崔志强;万钧力;;神经模糊与软计算中的一种混合算法及其在电力负荷预测中的应用[A];第二十二届中国控制会议论文集(下)[C];2003年
8 王洁;罗淼;陆百迅;李书森;邱荣英;;基于形貌优化技术的乘用车备胎腔结构设计[A];第七届中国CAE工程分析技术年会暨2011全国计算机辅助工程(CAE)技术与应用高级研讨会论文集[C];2011年
9 贾海忠;;群体智能优化技术在血瘀证最佳用药筛选中的应用[A];第六次全国中西医结合血瘀证及活血化瘀研究学术大会论文汇编[C];2005年
10 ;艾默生环境优化技术[A];第十三届全国热泵与系统节能技术大会论文集[C];2008年
中国重要报纸全文数据库 前10条
1 樊 丹 本报记者;让名医智慧在电脑上“复活”[N];中国中医药报;2005年
2 梁尚伟;打印机优化技术集锦[N];中国电脑教育报;2003年
3 任续烨;WAN优化技术受多方关注[N];中国计算机报;2005年
4 ;优化技术:让网络保持在最佳状态[N];人民邮电;2003年
5 ;IBM优化技术提升DB2性能[N];网络世界;2001年
6 张旭军;WAN优化进行时[N];网络世界;2007年
7 记者 王军 通讯员 李燕婷;复肥养分高效优化技术研讨会召开[N];农资导报;2009年
8 通讯员 黄晔南;同协国际煤优化技术通过SGS认证[N];中国电力报;2011年
9 本报记者 王庆;优化技术装备 打造科技钢铁[N];中国冶金报;2004年
10 陈松;供应链管理和优化技术[N];中国石油报;2000年
中国博士学位论文全文数据库 前10条
1 方伟;群体智能算法及其在数字滤波器优化设计中的研究[D];江南大学;2008年
2 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
3 王巧灵;基于群体智能混合优化算法的研究[D];哈尔滨工业大学;2010年
4 王学厚;群体智能优化的计算模式和方法研究与应用[D];华北电力大学;2011年
5 王庆;XML约束在XML数据存储、发布和转换中的应用[D];复旦大学;2004年
6 赵吉;群体智能算法研究及其应用[D];江南大学;2010年
7 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
8 薛晗;不确定规划的群体智能计算[D];国防科学技术大学;2010年
9 潘冠宇;基于粗糙集和群体智能的数据挖掘方法研究[D];吉林大学;2007年
10 王武荣;基于自适应模拟的变压边力优化技术研究[D];上海交通大学;2007年
中国硕士学位论文全文数据库 前10条
1 郭健;多学科设计优化技术研究[D];西北工业大学;2001年
2 马剑虹;EMS行业中面向资源能力平衡的生产计划优化研究[D];上海交通大学;2008年
3 田春霞;三辊行星轧制工艺参数优化技术研究[D];沈阳理工大学;2008年
4 裘晓俊;核磁共振波谱仪检测灵敏度及其优化技术[D];厦门大学;2008年
5 张文斌;群体智能涌现在网络舆情预测中的应用[D];西南交通大学;2011年
6 周艳菊;基于多智能体的群体智能决策支持系统生成器框架设计[D];中南大学;2002年
7 刘琼;基于群体智能的聚类算法研究[D];长沙理工大学;2010年
8 赵燕锡;群体智能决策支持系统中数据仓库系统的设计[D];中南大学;2003年
9 陈龙;混合Cache的设计优化[D];西北工业大学;2005年
10 梁光;基于群体智能的ABC支持型QoS路由机制的研究与仿真实现[D];东北大学;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026