收藏本站
《西安交通大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

微粒群算法的性能分析与优化

崔志华  
【摘要】:微粒群算法是一种模拟鸟类觅食、鱼群游动等生物群体社会行为的群体随机优化算法。不同于其它进化类随机优化算法,它不仅利用位置信息,而且利用速度所含的信息来对微粒飞行轨迹进行控制。微粒群算法具有编程简单、运算速度快等特点,已经成功应用于许多领域。论文通过分析影响微粒群算法性能的因素,从结构优化、参数选择、混合策略及适应值预测等方面对算法进行理论与应用研究。 标准微粒群算法在微分模型向差分模型转化时采用固定步长,这一局限使得其差分模型与微分模型之间存在较大误差,从而影响了算法计算效率。有鉴于此,论文将步长作为一个独立参数引入微粒群算法,提出微分进化微粒群算法模型,并利用绝对稳定性建立了步长的随机选择策略。由于鸟群的捕食时间在整个觅食过程中仅占极小的比例,这种随机的步长选择策略有利于捕捉鸟的捕食过程,因而更加符合微粒群算法的生物学背景。论文给出Euler、改进Euler及Runge-Kutta法的具体实现形式。数值优化的仿真结果表明,这些算法非常有效,尤其是4阶Runge-Kutte法,在求解高维优化问题时其性能远优于其它典型的改进算法。 从微粒群算法的差分模型出发,论文利用控制理论的Z-变换分析了算法结构,结果发现标准微粒群算法可视为一双输入单输出的反馈系统。在此基础上,论文通过增加控制器构建了一类全新的算法模型—带控制器的微粒群算法模型,以积分控制器与PID控制器为例讨论了算法的具体实现形式,并利用支撑集与稳定性理论给出参数选择策略。仿真结果表明带控制器的微粒群算法能有效地避免过早收敛现象,提高全局搜索性能。 最大速度上限是微粒群算法的重要参数,论文从算法收敛性和计算效率的角度分析了该参数的作用,进而提出两种高效的最大速度上限策略:最大速度上限的随机策略与个性化的最大速度上限策略。第一种策略在算法运行过程中随机调整全局搜索与局部搜索的比例;第二种策略则从生物学背景出发,探讨具有个性化行为的最大速度上限调整策略。论文将这两种策略应用于混沌系统的控制问题,仿真结果证明了它们的确有效。 在微粒群算法与变异算子的混合策略设计方面,论文利用线性控制理论分析了标准微粒群算法中认知部分的随机性与局部搜索性能之间的关系,并通过剔除该随机性弱化微粒群算法全局搜索能力、强化其局部搜索能力以提高混合算法的计算效率。该算法在非稳定线性系统逼近问题的应用得到了较优的结果。 针对一类需要大量计算适应值函数的应用问题,论文提出了两种适应值的预测策略:第一种策略利用加权平均的思想进行适应值的随机预测,第二种策略则利用可信度的概念,有针对性地进行适应值的预测。这两种策略在不确定规划的成功应用,表明了该思想的可行性和有效性。
【学位授予单位】:西安交通大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:TP13

【相似文献】
中国期刊全文数据库 前10条
1 刘幸;;群智能微粒群算法及参数分析[J];电子元器件应用;2011年08期
2 于来行;乔蕊;;周期性扰动的微粒群算法[J];计算机系统应用;2011年06期
3 孙晓立;;微粒群优化神经网络算法的研究[J];科技情报开发与经济;2011年20期
4 李巍;王改云;;改进微粒群算法在机器人路径规划中的应用[J];计算机仿真;2011年08期
5 单爱慧;蒋丽;;求解人力资源分配问题的多目标微粒群优化算法[J];计算机应用研究;2011年09期
6 戴欣华;王万良;徐新黎;;一种多产品多约束混合生产线的批量计划模型及其求解[J];计算机工程与科学;2011年07期
7 裴志松;;一种新型物流调度算法的优化研究[J];长春工程学院学报(自然科学版);2011年02期
8 王思明;刘伟;张国武;;基于LS-SVM的陶瓷窑炉温度预测控制[J];计算机测量与控制;2011年06期
9 逄金梅;郑向伟;刘弘;;动态微粒群算法及其在群体动画中的应用[J];计算机工程与设计;2011年08期
10 王亮;卢晓东;程韫琳;张军;戈美净;;基于快速退火和PSO算法的港口交通信号控制方法[J];中国科技信息;2011年18期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 王珩;张景瑞;;基于微粒群算法的航天器大角度姿态快速机动控制器参数优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年
4 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
5 王元元;曾建潮;谭瑛;;基于并行计算模型的并行微粒群算法的性能分析[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年
6 宋佳栋;赵庆祯;刘衍民;;农产品风险控制的一种决策方法[A];海峡两岸农业学术研讨论文集[C];2010年
7 裴振奎;刘健;华夏;;求解随机车辆路径规划问题的混合微粒群算法[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集(上)[C];2008年
8 卢志刚;李伟;冀尔康;吴士昌;;微粒群算法优化设计自适应滤波器[A];第七届青年学术会议论文集[C];2005年
9 王海稳;张井岗;戴跃伟;曲俊海;;基于微粒群算法的PI/PD型二自由度PID控制器的优化设计[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
10 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
中国重要报纸全文数据库 前6条
1 河南 王素军;LED彩灯带控制器电路及维修[N];电子报;2008年
2 河南 王素军;两类装饰用灯带[N];电子报;2008年
3 郭涛;给磁带库一个智能头脑[N];中国计算机报;2003年
4 本报记者 张广彬;阵列的战略[N];计算机世界;2002年
5 郭涛;IP SAN:应用是关键[N];中国计算机报;2005年
6 松月;蓝牙技术在无线分布式测控系统中的应用[N];人民邮电;2003年
中国博士学位论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 赵辉;电力系统低频振荡阻尼机理及控制策略研究[D];天津大学;2006年
9 徐海宁;动态知识管理能力模型及其效用研究[D];同济大学;2008年
10 常桂娟;基于微粒群算法的车间调度问题研究[D];青岛大学;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 江维;微粒群算法理论研究及其在PID参数优化中的应用[D];武汉工程大学;2010年
4 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
5 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
6 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
7 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
8 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
9 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
10 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
 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