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

唐贤伦  
【摘要】: 粒子群优化算法作为一种群智能算法在物理、电子、通信、控制等多个学科中交叉融和应用和发展,其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,所以研究和掌握它的特性与规律,是一个具有理论和应用两个方面重要意义的课题。同时由于它广阔的市场前景,因此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,但作为一种比较新的和快速发展的智能算法,其在系统化、规范化的理论基础方面尚未成熟;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是值得关注的问题。 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】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 向长城;黄席樾;杨祖元;杨欣;;小生境粒子群优化算法[J];计算机工程与应用;2007年15期
2 冯林,张名举,贺明峰,戚正君;用改进的粒子群算法实现多模态刚性医学图像的配准[J];计算机辅助设计与图形学学报;2004年09期
3 卢冰原;古春生;谷峰;;基于粒子群优化的模糊交货期惩罚问题的研究[J];计算机工程与应用;2006年19期
4 吴延科;徐晨;李国;;基于粒子群统计规律的PSO算法[J];郑州大学学报(理学版);2006年04期
5 周国雄;吴敏;曹卫华;雷琪;;基于粒子群优化的集气管压力变结构模糊控制[J];信息与控制;2008年03期
6 袁成;蔡自兴;陈白帆;;粒子群优化的同时定位与建图方法[J];计算机工程;2009年11期
7 许相莉;张利彪;刘向东;于哲舟;周春光;;基于粒子群的图像检索相关反馈算法[J];电子学报;2010年08期
8 冯纪强;谢维信;徐晨;;T-S模糊粒子群优化建模及稳定性分析[J];电子学报;2011年05期
9 侯志荣,吕振肃;基于MATLAB的粒子群优化算法及其应用[J];计算机仿真;2003年10期
10 王岩,周春光,黄艳新,丰小月;基于最小不确定性神经网络的茶味觉信号识别[J];计算机研究与发展;2005年01期
11 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
12 佘远俊;张翠芳;鄢田云;;粒子群神经网络及其在非线性系统辨识中的应用[J];成都信息工程学院学报;2006年02期
13 高飞;童恒庆;;一类求解方程根的改进粒子群优化算法[J];武汉大学学报(理学版);2006年03期
14 方峻;唐普英;任诚;;一种基于加权有向拓扑的改进粒子群算法[J];计算机技术与发展;2006年08期
15 朱进军;段高燕;王秋国;张晓光;杨伯君;;使用PSO算法的二阶偏振模色散自适应补偿实验[J];光子技术;2006年03期
16 刘欢;旷虚波;肖根福;;基于粒子群算法的自整定PID控制器[J];电脑知识与技术(学术交流);2007年15期
17 孔力;程晶晶;宋胜利;苏日建;;基于改进粒子群优化技术的拜耳法物料平衡计算[J];华中科技大学学报(自然科学版);2008年01期
18 成伟明;唐振民;赵春霞;陈得宝;;利用改进粒子群求解TSP问题的一种新方法[J];中国工程科学;2008年07期
19 李木子;闫建华;;基于PSO的MWT求解[J];福建电脑;2009年02期
20 唐英干;黄娜;关新平;;基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割(英文)[J];电子器件;2009年01期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 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
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 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
6 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
7 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
8 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
9 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
10 张奇志;周亚丽;;移动机器人运动规划的粒子群优化算法[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
中国博士学位论文全文数据库 前10条
1 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
2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
3 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
4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
5 刘东;粒子群优化算法及其工程应用研究[D];西南交通大学;2013年
6 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
7 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
8 王纵虎;聚类分析优化关键技术研究[D];西安电子科技大学;2012年
9 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
10 刘阳;云计算中服务组合与选择技术研究[D];北京邮电大学;2013年
中国硕士学位论文全文数据库 前10条
1 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
2 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
3 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
4 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年
5 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年
6 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年
7 李涛;基于SVM和PSO的非线性模型预测控制及应用研究[D];上海交通大学;2008年
8 孙巍;供热管网的建模分析及水力平衡调节[D];北京化工大学;2008年
9 李峰;大规模场景绘制中的纹理合成技术研究[D];哈尔滨理工大学;2008年
10 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
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