收藏本站
《华南理工大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法研究及应用

秦全德  
【摘要】:群体智能是指众多行为简单的个体在相互作用过程中涌现产生的整体智能行为。群体智能由于原理简单、容易实现、全局搜索能力强的特点,目前已经成为计算机、工程、管理、经济、生物等学科的研究热点和前沿领域。粒子群算法(Particle Swarm Optimization, PSO)是群体智能中较新的一种优化方法,其搜索过程基本不利用外部信息,仅仅以适应度函数作为进化的依据,从而形成一种“生成+检验”为特征的智能计算方法。然而,同与所有随机搜索算法一样,PSO在求解较复杂的问题时容易陷入局部最优。本文在分析PSO目前研究现状的基础上,从不同的角度提出了几种改进算法,使之更加有效可靠;并将提出的改进算法应用于经济管理中的实际问题,拓展粒子群算法的应用领域。 本文主要的内容概括如下: (1)介绍了传统优化方法和进化计算,重点探讨了群体智能的发展、特点和几种典型的群体智能方法。在阅读大量文献的基础上,按照作者的理解对PSO的研究现状与应用进行了归纳和总结,较为深入地分析了PSO中3个重要要素:邻域结构、边界约束处理和速度限制。 (2)PSO是源于对社会型群居动物的行为模拟,因此将自然界的一些生物行为融入PSO中是一条潜在可行的改进途径。本文第三章提出了3种基于生物行为的PSO改进方法:基于生物寄生的双种群PSO(PSOPB)、模拟生物理想自由分布模型的PSO(IFDPSO)以及基于predator-prey行为的改进PSO(PPPSO)。PSOPB由宿主群和寄生群两个种群组成,两个种群之间模拟自然界中生物的兼性寄生行为,并考虑了“优胜劣汰”的进化法则。在分析生物觅食行为中资源斑块选择理想自由分布模型的基础上,提出了一种新型的粒子群算法—IFDPSO。IFDPSO将所有粒子中3个不重叠的个体最优位置的适应度视为资源斑块的食物质量,并根据理想自由分布模型随机分配相应数量的粒子到各个资源斑块中,从而保证了群体的多样性和算法的全局搜索能力。在分析生物的捕食—被捕食(predator-prey)行为规律的基础上,提出了一种由predator和prey两个种群构成的PSO(PPPSO)。predator种群间隔一定的迭代次数排斥prey种群,逐步向prey种群的群体最优位置靠近,同时每个prey粒子尽量逃离距离最近的predator粒子。采用这样的机制,提高了摆脱局部最优的能力。多个测试函数的仿真实验证明了3种算法的有效性。 (3)鉴于单一智能算法在实际应用中面临各自的问题,相互之间的促进与补充便成为自然的选择。在分析PSO与人工蜂群算法(Artificial Bee Colony, ABC)的各自优势和缺陷的基础上,提出了一种以PSO为主,在适当的时候嵌入ABC邻域算子的混合算法(PSOABC)。在对PSO搜索原理简要分析的基础上,提出了PSOABC中2种ABC邻域算子方法:O邻域算子和R邻域算子。综合考虑PSO的邻域结构和2种ABC邻域算子,构建了4种不同类型的PSOABC。对4种不同类型的PSOABC仿真实验结果表明R邻域算子性能优于O邻域算子。将R邻域算子的PSOABC与其他几种PSO的实验结果进行比较表明带R邻域算子的PSOABC具有快速的收敛速度和搜索精度,是一种可靠的全局优化方法。 (4)在分析基本PSO学习策略缺陷的基础上,本文第五章提出了2种新的学习策略的改进PSO:交互学习的双种群粒子群算法(ILPSO)和自适应的正交学习粒子群算法(SOLPSO)。ILPSO是启发于人类社会行为的特征,不同群体之间可以交互学习。由于交互学习的机制,群体的多样性可以得到维护,从而不容易陷入局部最优,测试函数的实验结果证明其有效性。针对PSO中的“两进一退”的现象,将PSO的每一维看成是影响试验结果(函数适应度值)的一个因素,利用种群中其他个体的信息,通过正交试验组合可以产生更优的个体最优位置,从而有利于加快收敛速度和提高搜索的精度。SOLPSO中提出了4种正交组合方法,并分析它们各自优势和缺陷,设计了一种根据算法的进程自适应调整正交组合方法的策略。多个测试函数的仿真实验表明了提出的两种算法的有效性。 (5)建立了连续型物流配送中心选址的数学模型,并根据问题的特点,设计了合适的粒子编码方案。在考虑现实情况下,构建了一类离散Mean-CVaR投资组合模型,通过增加一个特定的惩罚项,将离散问题转化为连续问题的求解。提出的PSOPB和SOLPSO分别用于两类模型的求解,结果表明了它们的有效性。 最后,总结了本文的研究成果,并对未来的研究方向提出了进一步的展望。
【学位授予单位】:华南理工大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:F252;F224

【引证文献】
中国硕士学位论文全文数据库 前1条
1 鞠慧明;基于智能算法的WMNs的多约束QoS组播路由的研究[D];哈尔滨工程大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 刘小茂,李楚霖,王建华;风险资产组合的均值—CVaR有效前沿(Ⅰ)[J];管理工程学报;2003年01期
2 刘小茂,李楚霖,王建华;风险资产组合的均值—CVaR有效前沿(Ⅱ)[J];管理工程学报;2005年01期
3 林旭东,巩前锦;正态条件下均值-CVaR有效前沿的研究[J];管理科学;2004年03期
4 纪震;周家锐;廖惠连;吴青华;;智能单粒子优化算法[J];计算机学报;2010年03期
5 王凌,李文峰,郑大钟;基于一类混合策略的模型参数估计和控制器参数整定研究[J];控制与决策;2001年05期
6 王俊伟,汪定伟;一种带有梯度加速的粒子群算法[J];控制与决策;2004年11期
7 刘波;王凌;金以慧;;差分进化算法研究进展[J];控制与决策;2007年07期
8 张顶学;关治洪;刘新芝;;一种动态改变惯性权重的自适应粒子群算法[J];控制与决策;2008年11期
9 王凌,李令莱,郑大钟;非线性系统参数估计的一类有效搜索策略[J];自动化学报;2003年06期
10 康琦;汪镭;吴启迪;;群体智能与人工生命[J];模式识别与人工智能;2005年06期
【共引文献】
中国期刊全文数据库 前10条
1 李福;程珩;王国宝;白瑞;路亮;;注塑机塑化参数对能耗的影响研究[J];工程塑料应用;2011年06期
2 蒋红英;柯志华;刘杰;;竖向荷载作用下散体材料堆的试验研究[J];四川建筑科学研究;2010年03期
3 田晓艳;;计算智能主要算法研究[J];安防科技;2009年12期
4 赵素华;原丽君;田勇;张守东;;氧气顶吹转炉脱磷工艺分析[J];鞍钢技术;2008年04期
5 李婷;张卫国;;风险资产组合均值-CVaR模型的算法分析[J];安徽大学学报(自然科学版);2006年06期
6 田立新;崔晓红;徐伟军;;配送中心选址研究[J];安徽农业科学;2008年33期
7 余明江;我国金融风险测度方法与控制模型研究[J];安徽工业大学学报(社会科学版);2004年04期
8 齐胜理;丁元子;;“杠杆效应”对计算沪市在险价值的影响[J];安徽工业大学学报(社会科学版);2009年01期
9 Wan-Jean LEE;;Intensive use of an intertidal mudflat by foraging adult American horseshoe crabs Limulus polyphemus in the Great Bay estuary, New Hampshire[J];Current Zoology;2010年05期
10 张勇,王建稳,英英;期权风险的VaR度量研究[J];北方工业大学学报;2005年01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 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
3 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
4 曹浪财;罗键;;一种改进求解TSP问题智能蚂蚁算法[A];第二十七届中国控制会议论文集[C];2008年
5 ;On PID Controllers Based on Simulated Annealing Algorithm[A];第二十七届中国控制会议论文集[C];2008年
6 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
7 徐耀群;何少平;;傅立叶混沌神经网络及其在优化中的应用[A];第二十七届中国控制会议论文集[C];2008年
8 孔笋;陈增强;;基于差分进化的QoS组播路由算法[A];第二十九届中国控制会议论文集[C];2010年
9 刘志雄;杨光祥;;基于轮盘赌概率分配编码方法的并行机调度优化[A];第二十九届中国控制会议论文集[C];2010年
10 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011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 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
5 张兰花;林权抵押贷款信用风险评估研究[D];福建农林大学;2010年
6 梁桥康;特殊应用的多维力/力矩传感器研究与应用[D];中国科学技术大学;2010年
7 高雪瑶;语义特征造型的与历程无关技术的研究[D];哈尔滨理工大学;2009年
8 吴晓刚;基于磁粉离合器的汽车起步控制策略研究[D];哈尔滨理工大学;2009年
9 朱少敏;多媒体数字水印若干关键算法研究[D];中国电力科学研究院;2010年
10 赵珊珊;电力市场条件下的工程和金融风险评估及规避[D];中国电力科学研究院;2010年
中国硕士学位论文全文数据库 前10条
1 柳枝华;微粒群优化算法的改进及应用[D];南昌航空大学;2010年
2 刘超;聚氨酯膜预防综放巷道煤层自燃技术的研究[D];山东科技大学;2010年
3 杨希;Copula函数的选择方法与应用[D];山东科技大学;2010年
4 张海峰;空间三维信息重构与飞行器路径规划[D];山东科技大学;2010年
5 靳昌田;煤炭集团物料配送优化研究[D];山东科技大学;2010年
6 吕端国;一类Copula函数及其相关问题研究[D];山东科技大学;2010年
7 闫万涛;我国商业银行的全面风险管理研究[D];山东科技大学;2010年
8 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年
9 肖小城;粒子群算法求解作业车间调度问题的研究[D];郑州大学;2010年
10 李光远;基于在线聚类和最小二乘支持向量机的模糊建模方法研究[D];郑州大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 刘自发;闫景信;张建华;黄伟;杨京燕;;基于改进微分进化算法的电力系统无功优化[J];电网技术;2007年18期
2 张禄林,李承恕;MANET路由选择协议的比较分析研究[J];电子学报;2000年11期
3 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
4 孙力娟;王汝传;;基于蚁群算法和遗传算法融合的QoS组播路由问题求解[J];电子学报;2006年08期
5 余萍;陈斯;马乐;;一种基于QoS的无线Mesh网络DSR路由优化算法[J];电子设计工程;2009年03期
6 黄华娟;周永权;;改进型人工鱼群算法及复杂函数全局优化方法[J];广西师范大学学报(自然科学版);2008年01期
7 方强,陈德钊,俞欢军,吴晓华;基于优进策略的差分进化算法及其化工应用[J];化工学报;2004年04期
8 刘耀年;范为;韩立国;;基于改进AFSA算法的电力系统无功优化[J];继电器;2008年08期
9 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
10 潘达儒;杜明辉;;基于粒子群优化的QoS组播路由算法[J];计算机工程与应用;2006年01期
中国博士学位论文全文数据库 前1条
1 史长莹;流域水资源可持续利用评价方法及其应用研究[D];西安理工大学;2009年
【二级参考文献】
中国期刊全文数据库 前10条
1 徐志高,关正西,张炜;模糊神经网络在导弹动力系统多故障诊断中的应用[J];弹箭与制导学报;2005年01期
2 夏晓勤,王伟俊,姚卫建;小鞘指环虫种群的聚集性研究[J];动物学研究;1999年06期
3 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
4 刘小茂,李楚霖,王建华;风险资产组合的均值—CVaR有效前沿(Ⅰ)[J];管理工程学报;2003年01期
5 林岩,胡祥培,王旭茵;物流系统优化中的定位——运输路线安排问题(LRP)研究评述[J];管理工程学报;2004年04期
6 张吴明,钟约先;基于改进差分进化算法的相机标定研究[J];光学技术;2004年06期
7 方强,陈德钊,俞欢军,吴晓华;基于优进策略的差分进化算法及其化工应用[J];化工学报;2004年04期
8 刘波,王凌,金以慧,黄德先;微粒群优化算法研究进展[J];化工自动化及仪表;2005年03期
9 吴坚,史忠科;基于遗传算法的配送中心选址问题[J];华南理工大学学报(自然科学版);2004年06期
10 吴立成,孙富春,孙增圻,吴昊;柔性空间机器人振动抑制轨迹规划算法[J];机器人;2003年03期
【相似文献】
中国期刊全文数据库 前10条
1 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
2 朱露露;叶春明;何洋林;;基于量子微粒群算法的车辆路径问题研究[J];物流科技;2008年05期
3 韩世芬;;基于免疫粒子群算法的车间作业调度问题[J];科技咨询导报;2007年25期
4 方金城;张岐山;;粒子群算法在VRP中的应用[J];管理科学文摘;2008年03期
5 于春华;杜雪樵;夏娜;;期权定价中最优投资问题与算法[J];合肥工业大学学报(自然科学版);2008年11期
6 乔晓梅;;基于粒子群算法优化的神经网络在入侵检测中的应用[J];商场现代化;2006年18期
7 赵凤娥;刘伟;;基于改进粒子群算法优化的自抗扰控制器(ADRC)及其应用[J];科技创新导报;2010年18期
8 叶春明;潘登;潘逢山;;基于混沌粒子群算法的关键链项目进度管理研究[J];计算机应用研究;2011年03期
9 成伟明;王寿峰;赵春光;;粒子群优化算法在多基站时差定位中的应用[J];指挥信息系统与技术;2010年03期
10 马慧民;柳毅;叶春明;;基于改进粒子群算法求解单级多资源约束生产批量计划问题[J];工业工程与管理;2005年06期
中国重要会议论文全文数据库 前10条
1 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
2 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
3 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
4 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
5 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
7 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
9 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
10 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
中国重要报纸全文数据库 前10条
1 兴业期货 秦小坡;基于PSO算法的二维动量空间在股指期货上的应用[N];期货日报;2010年
2 记者 黄蔚 通讯员 蔡文兵;校内外导师领航学生科研[N];中国教育报;2011年
3 边歆;商务智能:进化与简化[N];网络世界;2007年
4 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
5 本报记者 程鸿;把服务作成产品[N];计算机世界;2002年
6 ;EXFO 100G测试解决方案[N];通信产业报;2010年
7 魏广利;反恐利器[N];中国国防报;2002年
8 赵国范;中荷联手生产甜菜种子[N];农民日报;2001年
9 ;看“大打”如何出手[N];中国计算机报;2001年
10 特约记者 王新;“南海奋进”号下水[N];中国船舶报;2001年
中国博士学位论文全文数据库 前10条
1 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
2 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
3 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
4 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
5 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
6 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
7 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
8 赵吉;群体智能算法研究及其应用[D];江南大学;2010年
9 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年
10 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
中国硕士学位论文全文数据库 前10条
1 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
2 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
3 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
4 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
5 郑高远;一种拓展的文化算法[D];兰州大学;2010年
6 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
7 冯维;基于粒子群算法求解多目标函数优化[D];吉林大学;2010年
8 管月智;粒子群算法的研究与应用[D];江南大学;2011年
9 兰任;基于并行混合粒子群算法的蛋白质结构预测[D];大连理工大学;2010年
10 杨琳;基于自适应混沌粒子群算法的多目标无功优化研究[D];东北电力大学;2011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