收藏本站
《江南大学》 2009年 博士论文
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。


知网文化
【相似文献】
中国期刊全文数据库 前20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
11 李炳宇,萧蕴诗,汪镭;一种求解高维复杂函数优化问题的混合粒子群优化算法[J];信息与控制;2004年01期
12 朱光宇;;新的求解钻削路径优化问题算法研究[J];中国工程机械学报;2006年02期
13 赵会洋;王爽;杨志鹏;;粒子群优化算法研究综述[J];福建电脑;2007年03期
14 唐涛;;一种新型二进制编码的量子鱼群算法[J];电脑知识与技术;2008年S1期
15 宋初一;姜明晨;时宏杰;姜艳清;姜静清;包德喜;;粒子群优化算法及其应用[J];内蒙古民族大学学报(自然科学版);2006年04期
16 邓伟林;胡桂武;;粒子群算法研究与展望[J];现代计算机;2006年11期
17 关圣涛;楚纪正;邵帅;;粒子群优化算法在非线性模型预测控制中的研究应用[J];北京化工大学学报(自然科学版);2007年06期
18 武朝华;汪镭;;微粒群优化算法综述[J];电脑知识与技术;2008年07期
19 奚茂龙;孙俊;吴勇;;一种二进制编码的量子粒子群优化算法[J];控制与决策;2010年01期
20 杨俊杰;周建中;方仍存;李英海;刘力;;基于自适应网格的多目标粒子群优化算法[J];系统仿真学报;2008年21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
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