收藏本站
《深圳大学》 2015年
加入收藏

粒子群进化算法的改进及应用

和梦思  
【摘要】:粒子群进化算法(PSO)是由Dr.Eberhart等人提出的,模拟鸟群觅食活动求取最优解,由于其收敛速度快,模型简单、并且需要调整的参数少等优点,在近年来已经被广泛应用于工程、科学、经济管理等多个学科领域.微分进化算法(DE)是由Price等人提出的,由于操作方便、性能好等优点,相比其他优化算法在稳定性和收敛性有很大优势.然而以上两个算法针对不同的优化问题,其收敛精度和速度有很大差异.PSO在解决某些多峰函数时,会出现收敛精度不高、易陷入局部最优等缺点.DE在优化一些复杂问题时,进入优化后期,会出现收敛很慢等情况.针对以上问题,本文提出了两类基于这两种算法的混合优化算法.具体内容如下:(1)提出了基于改进粒子群进化算法和微分进化算法的混合优化算法:该算法第一步是对种群进行PSO优化,产生个体最优;接着再对个体最优采用DE优化.为了协调全局和局部搜索能力,新算法采取惯性权重和学习因子非线性变化策略;而为了提高算法跳出局部最优的能力,在DE优化时采取放缩因子非线性变化策略.(2)引入粒子浓度和浓度概率两个因素,根据这两个因素把粒子群分为二部分,第一部分粒子浓度高,在空间较为密集,易陷入局部最优,这部分采用DE优化;第二部分粒子浓度较小,有较大的优化前景,这里采用PSO优化.最后,为了检验算法的性能,本文选用10个典型的测试函数进行模拟,实验结果表明,新提出的混合算法有以下特点:通过与传统的粒子群进化算法和微分进化算法相比较,发现新提出的两种算法都具有更好的优化性能,收敛精度更高,速度更快,另外对于高维问题仍能有很好的优化效果.
【关键词】:粒子群算法 微分算法 混合算法 早熟
【学位授予单位】:深圳大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP18
【目录】:
  • 摘要4-5
  • ABSTRACT5-9
  • 第1章 绪论9-12
  • 1.1 研究背景9-10
  • 1.2 研究进展10
  • 1.3 本文主要工作10-11
  • 1.4 本文结构11-12
  • 第2章 粒子群进化算法和微分进化算法12-20
  • 2.1 粒子群进化算法(PSO)12-15
  • 2.1.1 粒子群进化算法原理12-13
  • 2.1.2 粒子群进化算法参数分析13-14
  • 2.1.3 粒子群进化算法流程14-15
  • 2.1.4 算法的应用领域15
  • 2.2 微分进化算法(DE)15-20
  • 2.2.1 微分进化算法原理15-16
  • 2.2.2 微分进化算法参数选择16-17
  • 2.2.3 微分进化算法流程17-18
  • 2.2.4 微分进化算法的扩展18-19
  • 2.2.5 算法的应用19-20
  • 第3章 基于时变因子的PSO-DE混合优化算法20-29
  • 3.1 惯性权重的改进20
  • 3.2 学习因子的改进20-21
  • 3.3 PSO-DE算法流程21-22
  • 3.4 数值模拟实验22-28
  • 3.4.1 测试函数22-23
  • 3.4.2 实验设计及其结果分析23-28
  • 3.5 本章小结28-29
  • 第4章 基于粒子浓度的DE-PSO混合算法29-37
  • 4.1 粒子浓度的概念29
  • 4.2 算法更新策略29-30
  • 4.3 DE-PSO算法流程30-31
  • 4.4 数值模拟实验31-32
  • 4.4.1 测试函数31
  • 4.4.2 实验所用算法及参数设定31-32
  • 4.5 实验结果与分析32-36
  • 4.6 本章小结36-37
  • 第5章 总结与展望37-39
  • 5.1 本文总结37
  • 5.2 研究展望37-39
  • 参考文献39-42
  • 致谢42-43

【参考文献】
中国期刊全文数据库 前1条
1 ;Hybrid particle swarm cooperative optimization algorithm and its application to MBC in alumina production[J];Progress in Natural Science;2008年11期
【共引文献】
中国期刊全文数据库 前10条
1 孙景文;常鲜戎;;基于改进混沌理论和ACPSO-LSSVR的短期负荷预测[J];电力科学与工程;2014年06期
2 颜骥;李相民;刘立佳;张凤霞;;基于Memetic算法的超视距协同空战火力分配[J];北京航空航天大学学报;2014年10期
3 何丽;;粒子群优化算法研究及进展[J];长春师范大学学报;2014年10期
4 顾佼佼;赵建军;刘卫华;;基于博弈论及Memetic算法求解的空战机动决策框架[J];电光与控制;2015年01期
5 高永琪;张毅;;基于微分进化-蚁群优化算法的潜航器航路规划[J];四川兵工学报;2015年01期
6 顾佼佼;赵建军;颜骥;陈学东;;基于MODPSO-GSA的协同空战武器目标分配[J];北京航空航天大学学报;2015年02期
7 孙景文;常鲜戎;;基于核主成分分析和CSM-PSCO优化LSSVR的短期负荷预测[J];广东电力;2015年02期
8 郭业才;张苗青;;基于混合蛙跳算法的多模盲均衡算法[J];兵工学报;2015年07期
9 董莉;李帝铨;江沸菠;;差分进化算法在MT信号激电信息提取中的应用研究[J];地球物理学进展;2015年04期
10 蔡超;周武能;;基于人工蜂群PID的永磁同步电机调速系统[J];电气传动;2015年10期
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 苏日建;信息测量系统及其若干问题的研究[D];华中科技大学;2010年
3 张伟;人工蜂群混合优化算法及应用研究[D];浙江大学;2014年
4 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
5 张敏;复杂生产过程质量控制的智能方法研究[D];西南交通大学;2013年
6 夏军营;空间目标的单目视觉位姿测量方法研究[D];国防科学技术大学;2012年
7 单单;止损策略对双随机安全第一投资组合模型的影响研究[D];重庆大学;2014年
8 李超;基于STATCOM改善风电场电压稳定性的若干问题研究[D];天津大学;2013年
9 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
10 江沸菠;基于神经网络的混合非线性电阻率反演成像[D];中南大学;2014年
【相似文献】
中国期刊全文数据库 前10条
1 王靖亚;;算法结构对其性能的影响研究[J];中国人民公安大学学报(自然科学版);2005年04期
2 Белый А.А.;к.Ф.-м.н.Бовбелъ Е.И.;к.т.н.Микулович В.И.;张至德;;快速付立叶变换的各种算法及其特性[J];现代雷达;1981年01期
3 何璞,张平;分裂基算法的讨论[J];现代电子技术;2003年18期
4 李玉峰;一种利用符号算法的自适应图象位移估计算法[J];电子学报;1991年04期
5 王威;胡斌;董鹏;杨超;;军械调运方案优化算法的设计与仿真[J];微计算机信息;2006年19期
6 宋杨;张玉清;;结构化比对算法研究及软件实现[J];中国科学院研究生院学报;2009年04期
7 鄢靖丰;;一种改进的人工蜂群算法及其应用研究[J];许昌学院学报;2013年02期
8 程渭吕;通信及信号处理用的新算法[J];上海航天;1985年01期
9 杨世达;易亚林;单志勇;李庆华;;蜜蜂进化型的类电磁机制算法[J];计算机工程与应用;2013年06期
10 郭福顺 ,高铁军;抽象数据型与一类表达式的化简[J];哈尔滨工业大学学报;1985年A3期
中国重要会议论文全文数据库 前9条
1 刘明兰;王玲琍;曾春年;钟绍华;张俊;;双模自组织Fuzzy-Dahlin算法研究[A];1997中国控制与决策学术年会论文集[C];1997年
2 胡海清;;序列最小优化及其改进算法[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年
3 王春厚;许都;孙健;;一种降低误判率的BF快速匹配算法结构[A];2010年全国通信安全学术会议论文集[C];2010年
4 桑红燕;潘全科;任立群;;解决单机准时排序问题的差异进化算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
5 周川;张璐;陈庆伟;;基于神经网络PID的智能AQM新算法[A];第二十七届中国控制会议论文集[C];2008年
6 陈小林;赵建;王延杰;;多模实时跟踪算法研究[A];第七届全国信息获取与处理学术会议论文集[C];2009年
7 傅荟璇;王宇超;孙枫;;融合Kalman滤波的自适应带宽Mean Shift算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
8 羌磊;肖田元;宋士吉;;多种群模式协同搜索贝叶斯优化算法[A];第25届中国控制会议论文集(中册)[C];2006年
9 阮秀凯;张志涌;;一种基于支持向量回归的盲恢复新算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前8条
1 陈贵涛;基于CMAES杂交算法的钢筋混凝土框架结构优化设计研究[D];华南理工大学;2014年
2 李向涛;进化算法研究及其在化学信息学中的应用[D];东北师范大学;2015年
3 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
4 郑友莲;面向模糊车间调度问题的智能算法研究[D];武汉大学;2011年
5 高健;分布式环境的同顺序流水作业问题求解算法研究[D];大连海事大学;2013年
6 毕云龙;自适应声学回声抑制算法研究及其VLSI芯片设计[D];哈尔滨工业大学;2010年
7 赵立权;ICA算法及其在阵列信号处理中的应用研究[D];哈尔滨工程大学;2009年
8 邹德旋;启发式算法及其在工程优化中的应用[D];东北大学;2011年
中国硕士学位论文全文数据库 前10条
1 和梦思;粒子群进化算法的改进及应用[D];深圳大学;2015年
2 焦健;基于知网和话题更新的话题跟踪算法研究[D];北京交通大学;2009年
3 岳凤;多态蚁群算法研究及其应用[D];山东师范大学;2009年
4 涂小坡;图像显著性算法和评价研究[D];南京航空航天大学;2011年
5 张俊杰;改进的社会力模型优化算法的研究与应用[D];太原理工大学;2014年
6 易卜拉欣;基于文化框架的群搜索和粒子群的混合算法及其应用[D];华东理工大学;2014年
7 刘梦楠;类电磁机制算法的研究与改进[D];西安电子科技大学;2014年
8 张可;蚁群算法的参数调整研究[D];合肥工业大学;2012年
9 唐学大;基于粒子滤波的机动弱目标检测前跟踪算法研究[D];杭州电子科技大学;2015年
10 房艳红;基于蚁群算法的订单接受与加工调度优化决策问题研究[D];南京理工大学;2013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