收藏本站
《江南大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

量子行为粒子群优化算法研究

孙俊  
【摘要】: 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。但PSO算法的缺陷也很明显。首先从理论上讲,它不是一个全局收敛算法;其次,算法的速度与位置进化公式使得粒子群的随机性和智能性较低;此外,算法性能对速度上限的依赖使其鲁棒性降低。针对这些缺点,在深入研究群体智能基本特征和人类学习模式进行思考,本文建立了基于量子δ势阱的粒子群模型,提出了量子行为的粒子群优化(Quantum-behaved Particle SwarmOptimization,QPSO)算法,该算法具有全局收敛性,控制参数更少,收敛速度快,寻优能力强等特点。 本文以QPSO算法的基本原理、理论分析、参数控制为重点,系统地阐述了QPSO算法和各种改进方法以及算法在优化与控制工程中的应用,具体内容如下: (1)从最优化问题的求解方法入手,阐述了进化算法与群体智能优化算法研究背景;详细介绍了PSO算法的理论与应用方面的研究现状;针对PSO算法的缺陷,提出了本课题的立题依据、研究目标、研究内容以及研究思路与方法。 (2)QPSO算法的提出。首先介绍了PSO算法的基本原理与基本流程,详细讨论了两种重要的改进算法:带权重的PSO算法和带压缩因子的PSO算法;阐述了QPSO算法的思想来源,提出了QSPO算法的基本模型—量子δ势阱模型,求出其粒子位置的波函数与概率密度函数,并通过Monte Carlo方法导出QPSO算法粒子的基本进化方程;讨论了基本进化方程中粒子收敛的判据,给出了两种具体的搜索策略,从而提出了具体的QPSO算法流程;对QPSO算法的粒子运动进行随机模拟,得出粒子收敛性和有界性对参数的基本要求;最后对QPSO算法中粒子的等待效应以及社会学习模式进行了讨论。 (3)对QPSO算法的收敛性进行了研究。首先介绍了Wets和Solis提出的随机优化算法全局收敛性和局部收敛性的判别准则,应用概率分析方法证明了QPSO算法在粒子位置有界的条件下,能满足全局收敛性条件,从而证明了其能收敛到全局最优解;其次,介绍了随机优化算法的吸收离散马尔可夫模型,以及在该模型中算法的全局收敛性条件,建立了QPSO算法的吸收离散马氏模型,并证明了算法依概率收敛到全局最优解;最后介绍了概率度量空间及其压缩映象的不动点定理,建立了QPSO算法的概率度量空间,证明了QPSO算法对应的映象是压缩映象,从而证明了算法的不动点定理,即算法能收敛到唯一不动点。 (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,提出了该参数的两种控制策略,即固定取值策略,线性减小的控制策略,通过对标准测试函数的求解分别研究了这两种控制策略,得出了具有指导意义的结论。 (5)提出了几种有效的QPSO改进算法。首先提出了一种基于混合分布的QPSO算法,该算法在粒子进化方程中同时引入指数分布与正态分布,对几个重要标准测试函数的仿真结果验证了该算法的有效性;其次针对离散二进制搜索空间的优化问题,将连续QPSO算法中的进化方程离散化,从而提出了具有二进制编码的QPSO(Binary Encoded QPSO,简称BQPSO)算法,对几个测试函数的仿真结果表明,BQSPO算法的性能优于二进制PSO算法;接着,针对QPSO算法在解决多峰优化问题中可能出现局部收敛的现象,指出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,并基于两种群体多样性的度量方式,提出了通过控制收缩—扩张因子使粒子发散或采用全局最优点变异策略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;最后,由于QPSO算法和PSO算法中粒子都趋向到全局最好位置,导致算法容易陷入局部最优解,针对该问题提出了基于全局最好位置选择策略的QPSO算法,仿真结果表明,该算法的全局搜索能力得到了提高。 (6)对QPSO算法的应用研究。首先,研究了QPSO算法在电力系统经济调度(Economic Dispatch,ED)问题中的应用,而ED问题是电力系统优化运行的一个重要课题,其目的是在满足负载用电需求等条件下使发电机组运行总费用最少,仿真结果表明,在ED问题上QPSO算法的性能优于PSO算法和遗传算法(Genetic Algorithm,GA);其次对QPSO算法在随机规划问题中的应用进行了研究,以多阶段金融决策问题为实例,验证了QPSO算法的优良性能;研究了QPSO算法在系统辨识中的应用,以二维数字滤波器的设计为例,验证了QPSO算法优于PSO算法和GA算法;最后研究了QPSO算法解决特定结构的H_∞优化控制设计,仿真结果同样验证了QPSO算法的优良性能。 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QPSO算法进一步的研究方向。
【学位授予单位】:江南大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:TP301.6

手机知网App
【引证文献】
中国期刊全文数据库 前7条
1 曹军;刘光远;赖祥伟;;量子粒子群和相关性分析在心电特征选择中的应用[J];计算机科学;2012年03期
2 向毅;钟育彬;;自适应阶段变异量子粒子群优化算法研究[J];计算机应用研究;2012年06期
3 施展;陈庆伟;;基于QPSO和拥挤距离排序的多目标量子粒子群优化算法[J];控制与决策;2011年04期
4 潘大志;陈友军;;逆序随机权重平均最优位置的量子粒子群算法[J];西华师范大学学报(自然科学版);2012年03期
5 孙健;黄考利;孙钦蕾;李宝晨;连光耀;;基于改进贝叶斯正则化BP神经网络的测试性评估技术研究[J];计算机测量与控制;2012年12期
6 孙健;孙钦蕾;李宝晨;连光耀;谢颖;;基于AMCQPSO的测试流程优化方法研究[J];中国测试;2012年05期
7 张成芬;赵彦珍;邹建龙;马西奎;;多样性引导的改进量子粒子群优化算法及其在干式空心电抗器优化设计中的应用[J];中国电机工程学报;2012年18期
中国博士学位论文全文数据库 前4条
1 周頔;医学图像处理中的若干问题研究[D];江南大学;2011年
2 陈伟;群体智能算法及其在基因表达数据聚类中的应用[D];江南大学;2011年
3 傅阳光;粒子群优化算法的改进及其在航迹规划中的应用研究[D];华中科技大学;2011年
4 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
【参考文献】
中国期刊全文数据库 前10条
1 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期
2 崔志华;曾建潮;;基于微分模型的改进微粒群算法[J];计算机研究与发展;2006年04期
3 王利锋;白瑞林;;求解约束优化问题的一种新方法——基于量子粒子群优化算法[J];计算机工程与应用;2005年34期
4 高海兵;周驰;高亮;;广义粒子群优化模型[J];计算机学报;2005年12期
5 熊伟丽;徐保国;蔡宇杰;;基于量子粒子群算法的芳香族化合物色谱分离条件的优化[J];计算机与应用化学;2006年12期
6 丁建立,陈增强,袁著祉;基于自适应蚂蚁算法的动态最优路由选择[J];控制与决策;2003年06期
7 刘洪波;王秀坤;谭国真;;粒子群优化算法的收敛性分析及其混沌改进算法[J];控制与决策;2006年06期
8 潘峰;陈杰;甘明刚;蔡涛;涂序彦;;粒子群优化算法模型分析[J];自动化学报;2006年03期
9 王丽芳;曾建潮;;基于微粒群算法与模拟退火算法的协同进化方法[J];自动化学报;2006年04期
10 刘宇;覃征;史哲文;;简约粒子群优化算法[J];西安交通大学学报;2006年08期
【共引文献】
中国期刊全文数据库 前10条
1 张宪;苑津莎;杨薛明;康支霞;;基于粒子群算法的配电网网架规划[J];华北电力大学学报;2006年03期
2 王治国;刘吉臻;谭文;杨光军;;基于改进PSO算法的快速性厂级负荷优化分配研究[J];华北电力大学学报;2006年05期
3 熊伟;张江维;张火林;;求解TSP问题的增强型自探索粒子群算法[J];华北电力大学学报(自然科学版);2009年06期
4 许智宏;宋勃;郭艳艳;;模拟退火与蚁群混合并行算法解旅行商问题[J];河北工业大学学报;2010年02期
5 吕殿利;汪友华;韩婷彦;颜威利;;基于参数化有限元法的特高压变压器线圈电场计算与优化设计[J];河北工业大学学报;2010年06期
6 张占荣;郭建湖;杨艳霜;盛谦;;基于开挖损伤效应的岩体力学参数位移反分析[J];河北工业大学学报;2011年05期
7 张峰;;具有两种服务和多重延误休假的可修M~X/(G_1+G_2)(M/M)/1排队系统[J];中北大学学报(自然科学版);2008年03期
8 王魁;张步涵;胡永强;;考虑储能装置风电场的动态经济调度[J];湖北工业大学学报;2011年01期
9 文艺;张步涵;毛承雄;王魁;毛彪;曾杰;陈迅;;风电场中储能系统的功率和容量优化配置[J];湖北工业大学学报;2012年01期
10 郑晓亮;陈定方;;MATLAB的门座起重机臂架系统优化与仿真[J];湖北工业大学学报;2012年04期
中国重要会议论文全文数据库 前10条
1 齐继阳;竺长安;曾议;;基于遗传禁忌混合搜索算法的设备布局研究[A];2004“安徽制造业发展”博士科技论坛论文集[C];2004年
2 韩敏;李德才;;基于因果聚类的多变量时间序列相关性研究及预测[A];第二十六届中国控制会议论文集[C];2007年
3 刘羿彤;付梦印;高宏斌;;一种改进的PSO算法[A];第二十六届中国控制会议论文集[C];2007年
4 雷琪;吴敏;;基于协同进化算法的焦炉火道温度模糊优化控制[A];第二十六届中国控制会议论文集[C];2007年
5 ;An Improved General Particle Swarm Optimization Algorithm for Fast Infrared Image Segmentation[A];第二十六届中国控制会议论文集[C];2007年
6 王丽英;方攸同;苏丽颖;刘宝友;;劣化系统的故障诊断和检测策略的综合研究[A];第二十六届中国控制会议论文集[C];2007年
7 高尚;江新姿;汤可宗;;蚁群算法与遗传算法的混合算法[A];第二十六届中国控制会议论文集[C];2007年
8 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
9 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年
10 李军亮;肖新平;毛树华;;灰色双层线性规划的粒子群解法[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 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
2 孙明;基于小波和迟滞的混沌神经网络及其应用[D];哈尔滨工程大学;2010年
3 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
4 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年
5 王蕊;无线传感器网络部署与拓扑控制研究[D];哈尔滨工程大学;2009年
6 徐小峰;面向船舶制造协同物流网络的资源优化研究[D];哈尔滨工程大学;2009年
7 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年
8 陈广洲;多源信息耦合的成矿预测新模型研究[D];合肥工业大学;2010年
9 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
10 许向阳;乳腺钼靶图像中肿块检测方法研究[D];华中科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 王石青,邱林,王志良,韩晓军;确定隶属函数的统计分析法[J];华北水利水电学院学报;2002年01期
2 王开郁;;遗传算法在无线传感器网络中的应用[J];信息技术;2008年07期
3 洪炳熔;金飞虎;高庆吉;;基于蚁群算法的多层前馈神经网络[J];哈尔滨工业大学学报;2003年07期
4 段海滨,王道波,于秀芬,朱家强;基于云模型理论的蚁群算法改进研究[J];哈尔滨工业大学学报;2005年01期
5 朱敏,魏新劳,王永红,刘文山;空心电抗器计算机辅助设计系统的开发[J];黑龙江电力;2003年05期
6 陈国初,俞金寿;变邻域宽度的爬山微粒群优化算法及其应用[J];化工学报;2005年10期
7 张建明;冯建华;;两群微粒群算法及其在油品调和优化中的应用[J];化工学报;2008年07期
8 王继东,王万良;基于遗传算法的汽油调和生产优化研究[J];化工自动化及仪表;2005年01期
9 陈国初,俞金寿;微粒群神经网络在常压塔汽油干点软测量建模中的应用[J];化工自动化及仪表;2005年03期
10 周艳平;顾幸生;;差分进化算法研究进展[J];化工自动化及仪表;2007年03期
中国重要会议论文全文数据库 前1条
1 施展;陈庆伟;;突发情况下多UAV协同任务重分配方法研究[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
中国博士学位论文全文数据库 前10条
1 霍红卫;遗传算法在图论和优化中的应用[D];西安电子科技大学;2000年
2 倪晋平;水声信号盲分离技术研究[D];西北工业大学;2002年
3 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年
4 冯斌;群体智能优化算法及其在生化过程控制中的应用研究[D];江南大学;2005年
5 李世军;油田生产系统整体优化理论与方法[D];大庆石油学院;2005年
6 叶媛媛;多UCAV协同任务规划方法研究[D];国防科学技术大学;2005年
7 卢山;基于非线性动力学的金融时间序列预测技术研究[D];东南大学;2006年
8 彭文;基于特征的医学图像配准中若干关键技术的研究[D];浙江大学;2007年
9 柳林;多机器人系统任务分配及编队控制研究[D];国防科学技术大学;2006年
10 孙少燕;基于像素灰度的医学图像刚性配准方法研究[D];大连理工大学;2007年
【二级引证文献】
中国期刊全文数据库 前1条
1 李中凯;李艾民;朱真才;;拥挤距离排序的多目标文化粒子群优化算法[J];控制与决策;2012年09期
【二级参考文献】
中国期刊全文数据库 前10条
1 李瑞江,赵瑞环,张玉奎,邹汉法;均匀-重复设计法用于液相色谱分离条件最优化[J];中国科学(B辑 化学);1996年06期
2 马良,项培军;蚂蚁算法在组合优化中的应用[J];管理科学学报;2001年02期
3 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期
4 曾建潮,崔志华;一种保证全局收敛的PSO算法[J];计算机研究与发展;2004年08期
5 徐海,刘石,马勇,蓝鸿翔;基于改进粒子群游优化的模糊逻辑系统自学习算法[J];计算机工程与应用;2000年07期
6 李爱国,覃征,鲍复民,贺升平;粒子群优化算法[J];计算机工程与应用;2002年21期
7 董聪;郭晓华;;广义遗传算法的逻辑结构及全局收敛性的证明[J];计算机科学;1998年05期
8 谭国真,柳亚玲,高文;随机时间依赖网络的K期望最短路径[J];计算机学报;2003年03期
9 李宁,刘飞,孙德宝;基于带变异算子粒子群优化算法的约束布局优化研究[J];计算机学报;2004年07期
10 张讲社,王卫,陈白丽;求整体优化问题全部解的胞腔排除法[J];计算数学;1995年04期
【相似文献】
中国期刊全文数据库 前10条
1 徐俊杰;忻展红;;基于两阶段策略的粒子群优化[J];北京邮电大学学报;2007年01期
2 贺毅朝;曲文龙;许冀伟;;一种改进的混合蛙跳算法及其收敛性分析[J];计算机工程与应用;2011年22期
3 马俊宏;;微粒群优化算法研究[J];晋中学院学报;2007年03期
4 何妮;吴燕仙;;粒子群优化算法的研究[J];科技信息(科学教研);2008年06期
5 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期
6 刘淳安,何广平,雍龙泉;解多目标优化问题的新粒子群存档算法[J];陕西理工学院学报(自然科学版);2005年03期
7 蔡昭权;黄翰;郑宗晖;罗伟;;基于可达状态集扩张的粒子群算法收敛性改进[J];华中科技大学学报(自然科学版);2009年06期
8 孟非;潘朋朋;;基于混沌PSO-BP混合算法的神经网络[J];计算机仿真;2011年02期
9 张春燕;须文波;孙俊;管芳景;;MQPSO:一种具有多群体与多阶段的QPSO算法[J];计算机应用研究;2007年03期
10 张建科;刘三阳;张晓清;;改进的粒子群算法[J];计算机工程与设计;2007年17期
中国重要会议论文全文数据库 前10条
1 王斌;朱拓;孟昭渊;朱知洋;李金刚;;改进遗传算法在风光互补系统配置优化的应用[A];第十届中国太阳能光伏会议论文集:迎接光伏发电新时代[C];2008年
2 唐文艳;顾元宪;于涛;;实数编码和约束凝聚选择的遗传算法[A];2001中国控制与决策学术年会论文集[C];2001年
3 畅建霞;黄廷林;王义民;;遗传算法在水库电站优化问题中的应用研究[A];2005年中国智能自动化会议论文集[C];2005年
4 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
5 陶俊明;;基于作业计划编制方法的运输组织研究方式探讨[A];2009年山东省科协学术年会胶济客运专线相关技术研讨会论文集[C];2009年
6 傅一栋;;多目标规划理论在新建隧道开挖顺序优化问题中的应用[A];自主创新与持续增长第十一届中国科协年会论文集(2)[C];2009年
7 宝音;;小行星探测中的动力学与优化问题[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年
8 廖成林;赵鹏;;基于灰色局势模型的营销产品决策[A];2000中国控制与决策学术年会论文集[C];2000年
9 桂卫华;黄泰松;阳春华;;一种改进遗传算法及其在原料采购优化中的应用[A];第十九届中国控制会议论文集(二)[C];2000年
10 樊印海;赵宏革;朱景伟;;优化课程设置,全面推进素质教育进程[A];第一届全国高校电气工程及其自动化专业教学改革研讨会论文集[C];2002年
中国重要报纸全文数据库 前10条
1 记者 武春晖;加强工业经济调度 切实做好千百十工程[N];淮南日报;2011年
2 记者 张君;全市工业经济调度会要求 高限过七五 决战四季度[N];邯郸日报;2011年
3 中央财经大学中国发展和改革研究院研究员 张安华;三因素影响电力经济调度[N];中国能源报;2009年
4 记者 阮桑桑;全市上半年工业经济调度会召开[N];南昌日报;2010年
5 记者 李飒;全市工业经济调度会召开[N];铁岭日报;2010年
6 余君 记者 王小刚;全市开放型经济调度会举行[N];南昌日报;2010年
7 本报记者 俞莹;确保二季度实现“双过半”[N];贵阳日报;2010年
8 本报记者 杨雅洁;节能变革呼唤电力经济调度[N];中国电力报;2006年
9 记者 何宝庆;全省开放型经济调度会召开[N];江西日报;2010年
10 发讯;调整发电调度规则 实施节能、环保、经济调度[N];中国建材报;2006年
中国博士学位论文全文数据库 前10条
1 孙俊;量子行为粒子群优化算法研究[D];江南大学;2009年
2 奚茂龙;群体智能算法及其在移动机器人路径规划与跟踪控制中的研究[D];江南大学;2008年
3 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
4 魏静萱;解决单目标和多目标优化问题的进化算法[D];西安电子科技大学;2009年
5 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
6 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
7 张晓明;基于种子传播方式和植物分布演化的种子优化算法研究[D];中国科学技术大学;2011年
8 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
9 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
10 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
中国硕士学位论文全文数据库 前10条
1 杜玉平;关于粒子群算法改进的研究[D];西北大学;2008年
2 孔丽丹;自适应的及其基于动态邻域的具有量子行为粒子群优化算法研究[D];江南大学;2008年
3 陈亚洲;基于粒子群优化的协同优化方法研究[D];华中科技大学;2007年
4 刘汉婕;基于模拟退火的粒子群改进算法的研究与应用[D];华北电力大学(北京);2010年
5 李婷;基于双种群的改进粒子群优化算法研究[D];中南大学;2007年
6 朱春涛;粒子群优化算法及其在水电站群优化调度中的应用[D];华中科技大学;2007年
7 谭佳琳;基于粒子群优化的地形匹配导航算法研究[D];哈尔滨工程大学;2009年
8 姚胜伟;一个新的共轭梯度公式及其应用[D];广西大学;2007年
9 陶艳蓉;一类修改的共轭梯度法的全局收敛性[D];广西大学;2008年
10 刘金洋;粒子群优化算法的研究与改进[D];哈尔滨工业大学;2006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