收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

改进的微粒群算法及其在结构拓扑优化中的应用

袁代林  
【摘要】: 群智能优化算法越来越受到人们重视。微粒群算法是一种典型的群智能优化算法,其结构简单、易于实现、寻优能力强,与传统的优化方法相比,具有明显的优越性。微粒群算法仅有两个简单的迭代公式,需要调整的参数较少。然而在优化高维、多极值的复杂优化问题时,标准微粒群算法的寻优能力较差,容易陷入局部最优。微粒群算法虽然已经得到了广泛的应用,但进一步拓展其应用领域仍是很有意义的。本文提出了一种改进的微粒群算法并应用于结构拓扑优化。 提出了一种基于遗忘特性和群体平均思想的改进微粒群算法。注意到标准微粒群算法的速度迭代公式中,个体最优位置和群体最优位置为引导每个个体向最优位置移动起重要作用。基于群智能算法的个体具有简单行为的特点,改进的微粒群算法中的个体仅具有有限的记忆力,即遗忘掉前期所经历过的位置。由于群体最优位置是从所有个体最优位置中挑选出来的,从而群体表现出遗忘性。标准微粒群算法中的群体最优位置对所有个体的吸引力过强,容易使算法陷入局部最优。群居生物中的个体具有从众心理,即个体既要跟随群体中最优者的步伐,也要兼顾到跟随群体中大多数的步伐。这样,改进的微粒算法在迭代过程中,随机地用群体平均位置替换群体最优位置,充分利用了两者的优点。同时注意到,改进措施没有明显地增加算法的复杂性。复杂函数优化的算例验证了改进算法良好的优化性能。 微粒群算法的理论研究是当前的一个难点,还没有形成一套完备的理论体系。本文考虑到微粒群算法与遗传算法有许多相似之处,而遗传算法有较完备的马氏过程理论体系,故将马氏过程理论应用于研究微粒群算法。将群体在有限步内的速度和位置构成的向量作为一个随机过程的变量,证明了该随机过程是一个齐次马尔科夫过程。 拓展微粒群算法的应用领域是当前的一个研究热点,而结构拓扑优化是工程优化领域中的一个难点。将微粒群算法应用于桁架结构拓扑优化和连续体结构拓扑优化,拓展了微粒群算法的应用领域,为结构拓扑优化开辟了新思路。在算法的程序实现上,研究了MATLAB编程语言与ANSYS软件的调用问题。 多目标优化问题是生活和工程中经常会遇到的问题。在多目标优化问题中,需要优化的目标函数不止一个,这给个体优劣性的评定带来困难。寻找问题的Pareto最优解集,是多目标优化的目的。注意到一个目标函数值特别小,而其它目标函数值又特别大的所谓最优解是不切实际的,由各函数值的差别信息定义了非劣解集实用性的标准。为得到具有良好分散性和实用性的非劣解集,借鉴群体最优位置的选取来自“群体精英解集”的思路,引入了“个体精英解集”,以从中挑选个体最优位置,并将各目标函数值差别的信息用于计算个体的适应度。多目标函数优化的算例表明,改进算法更易得到分散性和实用性好的非劣解集。 最后,对进一步研究工作的方向进行了简要的展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 熊鹰;周树民;祁辉;;一种新型的求解约束优化问题的微粒群算法[J];广东广播电视大学学报;2006年03期
2 曾祥光;张玲玲;;基于微粒群算法优化PID参数研究[J];机械设计与制造;2007年04期
3 王元元;曾建潮;谭瑛;;基于BSP并行计算模型的并行微粒群算法[J];计算机应用与软件;2008年08期
4 李波;张流洋;张黎明;;微粒群算法思想下蚁群算法的改进及在CTSP中的仿真实现[J];平顶山学院学报;2010年02期
5 彭喜元,彭宇,戴毓丰;群智能理论及应用[J];电子学报;2003年S1期
6 张更新,赵辉,王红君,苏君临;基于动态参数的微粒群算法(PSO)的研究[J];天津理工大学学报;2005年04期
7 张晓清,张建科,方敏;多峰搜索的动态微粒群算法[J];计算机应用;2005年11期
8 马铭;周春光;张利彪;马捷;;一种优化模糊神经网络的多目标微粒群算法[J];计算机研究与发展;2006年12期
9 姚坤;李菲菲;刘希玉;;一种基于PSO和GA的混合算法[J];计算机工程与应用;2007年06期
10 刘晓峰;陈通;;PSO算法的收敛性及参数选择研究[J];计算机工程与应用;2007年09期
11 王万良;唐宇;;微粒群算法的研究现状与展望[J];浙江工业大学学报;2007年02期
12 鲁兵;;微粒群算法研究状况和发展[J];商场现代化;2007年12期
13 吴晓威;张井岗;;基于微粒群算法的灰色预测PID控制器[J];智能系统学报;2007年05期
14 许允喜;陈方;;基于混合微粒群算法的说话人识别[J];计算机应用;2008年06期
15 魏占海;刘松林;黄海明;;基于微粒群算法的舰船维修保障系统优化研究[J];舰船电子工程;2008年08期
16 袁代林;程世娟;陈虬;;一种新形式的微粒群算法[J];计算机工程与应用;2008年33期
17 周蕾;;群智能在农业生产等方面的应用研究综述[J];农业网络信息;2008年11期
18 李剑;刘志明;;求解TSP问题的混合遗传微粒群算法[J];计算机与数字工程;2009年05期
19 张洪业;金刚;王宇新;;微粒群算法在印染企业车间调度中的研究应用[J];计算机工程与应用;2009年21期
20 张洪业;曲朝阳;王宇新;;微粒群优化算法在车间调度中的研究与应用[J];计算机应用与软件;2009年09期
中国重要会议论文全文数据库 前10条
1 隋允康;;基于阶跃函数逼近的结构拓扑优化方法[A];力学与工程应用(第十三卷)[C];2010年
2 杜家政;隋允康;;考虑屈曲约束的框架结构拓扑优化模型[A];北京力学会第17届学术年会论文集[C];2011年
3 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
4 江春冬;贾海朋;杜太行;张磊;江春波;;进化算法在结构拓扑优化中的应用[A];第二十七届中国控制会议论文集[C];2008年
5 李俊杰;杜家政;;基于应力约束全局化的框架结构拓扑优化模型[A];北京力学会第18届学术年会论文集[C];2012年
6 刘建信;隋允康;叶红玲;李善坡;;Sigmoid函数在结构拓扑优化中的应用[A];北京力学会第14届学术年会论文集[C];2008年
7 李耀明;叶红玲;隋允康;;基于ICM方法连续体结构拓扑优化的二次开发[A];北京力学会第18届学术年会论文集[C];2012年
8 隋允康;铁军;;结构拓扑优化ICM显式化与抛物型凝聚函数对于应力约束的集成化[A];第19届全国结构工程学术会议论文集(第Ⅰ册)[C];2010年
9 蔡星娟;崔志华;曾建潮;谭瑛;;自适应PID控制微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
10 刘晓迪;隋允康;宇慧平;孙海龙;;每个设计变量控制多个单元的应力约束板壳结构拓扑优化模型[A];北京力学会第18届学术年会论文集[C];2012年
中国博士学位论文全文数据库 前10条
1 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年
2 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年
3 乔赫廷;连续体结构拓扑优化模型讨论及其应用[D];大连理工大学;2011年
4 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年
5 郑娟;基于无网格数值技术的连续体结构拓扑优化方法研究[D];湖南大学;2011年
6 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年
7 薛明志;进化计算与小波分析若干问题研究[D];西安电子科技大学;2004年
8 刘晓东;高温微粒红外辐射特性测量技术研究[D];哈尔滨工业大学;2008年
9 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年
10 李剑;微粒群算法及其在物流系统中的应用研究[D];华中科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 吕洪光;基于微粒群算法的装配序列规划方法及其应用研究[D];电子科技大学;2010年
2 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年
3 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年
4 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010年
5 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
6 戴芬;基于量子计算技术的智能算法的研究与应用[D];山东师范大学;2010年
7 刘丁峰;基于改进微粒群算法的图像复原方法研究[D];中南民族大学;2010年
8 林令娟;模拟退火微粒群混合算法的研究及应用[D];山东师范大学;2010年
9 李凯;基于微粒群优化算法的结构系统识别[D];同济大学;2008年
10 王俊艳;微粒群算法在分类问题中的应用研究[D];太原科技大学;2008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