收藏本站
《重庆大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

混沌粒子群优化算法理论及应用研究

唐贤伦  
【摘要】: 粒子群优化算法作为一种群体智能算法,利用群体的优势为寻找复杂问题的解决方案提供了新的思路,所以研究和掌握其特性与规律,是一个具有理论和应用两个方面重要意义的课题,同时对其应用领域的拓展也有重要的现实意义。 虽然粒子群优化算法已在多个领域被有效应用,但其发展历史尚短,在系统化、规范化的理论基础方面还未成熟;如何将粒子群算法应用于更多领域,同时研究应用中存在的问题也非常值得关注。 本文对粒子群优化算法及其在多个领域中的应用展开了细致的研究。在分析粒子群优化算法统一框架的基础上,对粒子群优化算法的收敛性分析和改进方法做了较为系统的研究工作;对粒子群优化算法在不同领域的应用以及在应用中存在的问题进行了研究,并在实际工程和仿真实验中进行了验证。本文的主要研究内容如下: (1)首先对群体智能中的知识涌现和研究方法进行了分析,介绍了群体智能的两种典型实现模式—蚁群算法和粒子群优化算法,对粒子群优化算法的研究现状进行了阐述,并分析了粒子群优化算法面临的难题。 (2)粒子群优化算法的参数选取和收敛性是影响算法性能和效率的关键因素,本文利用差分方程理论对粒子群优化算法的收敛特性进行了较为深入的研究,不仅讨论了粒子的轨迹对算法收敛性所产生的影响,而且分析了粒子的速度对算法收敛性的影响,并对算法的参数选取进行了分析。在此基础上提出一种基于混沌优化思想的混沌粒子群优化算法(CPSO),利用混沌特性提高种群的多样性和粒子搜索的遍历性。为了提高算法效率,在CPSO的基础上提出一种基于群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法(ACPSO),算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛。 (3)针对目前很少研究关注非致密非规则数据聚类的情况,本文提出基于混沌粒子群优化算法和蚁群算法结合的聚类方法来求解此类问题。利用蚁群算法具有的组合优化方面的优势,在使用混沌粒子群优化算法优化蚁群算法参数的基础上,引入近邻函数准则来进行非规则非致密数据聚类。为了改善蚁群算法的性能,提出了一种动态自适应蚁群算法,算法在采用动态自适应更新信息素策略的同时,加入局部最优判断和处理机制,增加了解空间的多样性,提高了全局搜索能力。实验表明,对于非规则非致密空间数据的聚类问题,基于蚁群算法和近邻函数准则的聚类算法取得了良好的效果,一定程度上较好地解决了这类问题。 (4)针对神经网络中的冗余连接不仅会降低神经网络处理速度,而且大量的冗余连接甚至会影响神经网络性能的问题,本文提出了综合利用混沌粒子群优化算法和离散粒子群优化算法同时优化前向神经网络结构和参数的新方法,该算法在使用混沌粒子群优化算法训练神经网络权值的同时,使用离散粒子群优化算法删除其冗余连接,实现连接结构的优化。并将该算法优化的神经网络应用在旋转机械故障诊断和高炉铁水温度预报中,结果表明,这种方法不仅能够有效地优化神经网络的结构,而且还能提高训练效率。 利用粒子群优化算法的优化性能,继续拓宽其在神经网络的应用。提出了一种基于混沌粒子群优化算法和自组织特征映射(SOM)网络的聚类算法(PSO/SOM),使用CPSO对SOM网络进行训练来代替SOM的启发式训练方法,同时引进核函数,以加强PSO/SOM算法的非线性聚类能力。对Wine等数据集的实例研究表明,PSO/SOM算法相比基本SOM算法,能有效提高网络映射的准确程度,同时也降低了错聚率,提高了聚类识别的质量,实验结果表明该算法是一种有效的聚类算法。 (5)针对当前的入侵检测系统对新攻击类型检测效率较低、系统误报率较高的问题,本文将粒子群优化算法的应用扩展到网络安全领域,由于SOM聚类方法不适合大规模数据,提出了基于粒子群优化和模糊c均值的无监督聚类方法(PSO-FCM)并应用于入侵检测中。最后采用KDD CUP99数据集进行了实验,结果表明该方法具有简单高效、检测速度快、易得到全局最优聚类的特点,且该方法不需要人工对训练集进行分类,能比较有效的检测出未知的攻击,同时具有较低的误报率和较高的检测效率。 总之,论文对粒子群优化算法的理论及其应用进行了较为全面深入的分析研究。论文最后对所做工作进行了总结,并提出了进一步研究的方向。
【学位授予单位】:重庆大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 张琪;杨淋淋;钱伟懿;;简化的自适应粒子群优化算法[J];渤海大学学报(自然科学版);2011年02期
2 刘援农;;蚁群算法在TSP问题中的应用研究[J];硅谷;2011年13期
3 杨晓庆;左为恒;李昌春;;基于K-Means变异算子的混合PSO算法聚类研究[J];微电子学与计算机;2011年07期
4 屈敏;高岳林;江巧永;;基于Pareto邻域交叉算子的多目标粒子群优化算法[J];计算机应用;2011年07期
5 段其昌;黄大伟;雷蕾;段盼;;带扩展记忆的粒子群优化算法仿真分析[J];控制与决策;2011年07期
6 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
7 孙锋利;何明一;高全华;;一种引入密度因子的改进粒子群优化算法[J];计算机应用研究;2011年08期
8 李龙星;余炳辉;;用整体分布优化算法求解水火电力系统短期优化调度[J];计算机应用与软件;2011年07期
9 徐星;吴昱;李元香;;基于布朗运动的改进粒子群优化算法[J];计算机应用研究;2011年07期
10 李蕊;雷群泌;;一种面向汽车系统可靠性优化的任务分配方法[J];计算机应用研究;2011年07期
中国重要会议论文全文数据库 前10条
1 司维超;韩维;史玮韦;颜刚;;一种基于蜜蜂多群体觅食的粒子群优化算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
2 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年
3 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
4 文建辉;钟科军;唐丽娟;蒋健晖;;基于离散的粒子群优化算法结合主成分分析用于相似烟气样品的色谱区分[A];全国生物医药色谱学术交流会(2010景德镇)论文集[C];2010年
5 李猛;王道波;甄子洋;;基于改进混合粒子群优化算法的模型最优降阶[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
6 陈志盛;李勇刚;;改进粒子群优化算法及其在磨削加工中的应用[A];第二十七届中国控制会议论文集[C];2008年
7 马琰铭;;基于粒子群优化算法的晶体结构预测新技术及其在高压新结构研究中的应用[A];2011中国材料研讨会论文摘要集[C];2011年
8 王群杰;齐美清;汪伟;李磊;;粒子群优化算法在波导高通滤波器设计中的应用[A];2011年全国微波毫米波会议论文集(上册)[C];2011年
9 安静;康琦;汪镭;吴启迪;;群体智能及其在BPR中的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
10 赵志刚;韦兆文;;基于粒子群算法求解约束优化问题[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006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 边歆;商务智能:进化与简化[N];网络世界;2007年
3 续九华 胡宝良;现代战争新宠[N];科技日报;2001年
4 黄千凌;Mobile 2.0:随时沟通 创造信息新时代[N];电子资讯时报;2007年
5 彼德·米勒;蚂蚁没有老大[N];云南经济日报;2008年
6 康秋洁;谁也不争道抢行,蚂蚁解拥堵智慧超人[N];新华每日电讯;2008年
7 刘妍;人类可仿效蚂蚁解决交通拥堵难题[N];大众科技报;2008年
8 裘水安;营造酒店文化 增加服务内涵[N];中国旅游报;2002年
9 记者 何边;网络化激活人工智能[N];计算机世界;2001年
10 沉风 中国移动 孙少陵 中国电子学会云计算专委会秘书长 林润华 解放军理工大学教授 刘鹏 宽带资本董事长 田溯宁;云计算:是能力,更是服务[N];人民邮电;2009年
中国博士学位论文全文数据库 前10条
1 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
2 李丹;粒子群优化算法及其应用研究[D];东北大学;2007年
3 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
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
5 徐星;融合热运动机制的粒子群优化算法研究及其应用[D];武汉大学;2010年
6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
7 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
8 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年
9 徐文星;混沌粒子群优化算法及应用研究[D];北京化工大学;2012年
10 张玮;粒子群优化算法研究及在阵列天线中的应用[D];太原理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 于锡才;基于粒子群优化算法的低NO_x排放过程的优化研究[D];东北大学;2008年
2 杨洋;基于粒子群优化算法的准循环LDPC码构造[D];北京交通大学;2011年
3 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
4 王婧;基于粒子群优化算法的集群调度策略研究[D];中国石油大学;2011年
5 张新娟;改进粒子群优化算法及其在图像分割中的应用[D];陕西师范大学;2011年
6 刘煌;基于GA的改进粒子群算法研究及其在TSP上的应用[D];武汉理工大学;2010年
7 苗爱敏;基于动态特征的粒子群优化算法研究[D];云南大学;2010年
8 周蕾;粒子群算法的改进及其在人工神经网络中的应用[D];西安电子科技大学;2010年
9 沈锡;基于粒子群优化算法的船舶航向PID控制[D];大连海事大学;2011年
10 刘现;蛋白质结构预测的粒子群优化算法研究[D];福建农林大学;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