收藏本站
《兰州理工大学》 2012年
收藏 | 手机打开
二维码
手机客户端打开本文

基于群体交互自组织种群结构的扩展微粒群算法研究

莫思敏  
【摘要】:优化问题普遍存在于现实世界的各个领域。群体智能算法是一种模拟生物群体智能行为,求解优化问题的自然计算技术。如何能更加真实的模拟生物群体行为,以解决复杂优化问题,是群体智能算法领域研究的重要问题。由于生物社会是一个复杂的自组织结构,因此群体智能算法若模拟生物社会结构的自组织演化过程,从自组织结构的角度考察个体行为,则能更加真实模拟生物群体行为,涌现相应的群体智能。本文借鉴复杂网络模型模拟生物群体的自组织结构,按照种群拓扑结构节点数固定不变和节点数动态变化,以及边有无方向的研究顺序,构造了提高算法性能的各种自组织种群拓扑结构,并对自组织种群拓扑结构特征、自组织种群拓扑结构特征度量的变化过程与算法性能的关系等进行了研究。 微粒间的作用机制是影响微粒群算法性能的关键因素。为解决微粒群算法的早熟问题,提出了一种扩展的微粒群算法。借鉴拟态物理学中的引斥力思想,重新构建了微粒间的作用方式。基于微粒间适应值的比较,定义了微粒间作用的引斥力规则,使微粒在所有微粒对其产生的引斥力的合力方向上随机移动寻找最优解。理论分析了算法的收敛条件和全局收敛性。通过仿真实验说明了该算法具有较好的性能。 为了构造能提高扩展微粒群算法性能的自组织种群拓扑结构,首先针对扩展微粒群算法的静态种群拓扑结构研究了信息传播速度和拓扑结构特征度量与算法性能的关系、静态拓扑结构和算法参数与算法性能的关系、扩展微粒群算法的最优种群结构,并通过理论和实验分析得出了节点的度和拓扑结构的度分布是影响算法性能的关键因素等相关结论。 然后,根据扩展微粒群算法在静态种群拓扑结构研究中的相关结论,模拟动物群体趋利避害的行为选择机制,构建了在节点数固定不变情况下,以微粒适应值驱动的边变化的自组织种群拓扑结构。从理论和仿真实验上对结构及其与算法性能间的关系进行了分析,结果表明节点吸引边的能力对结构特征和算法性能具有较大的影响。与相关算法进行实验比较,结果说明了该算法具有较好的性能。并将其应用于混沌系统的控制问题,仿真结果表明了该算法的优越性。为了进一步提高扩展微粒群算法的性能,借鉴优胜劣汰思想,构建了在节点数固定不变情况下,以微粒适应值驱动的节点等量删除与补偿的节点和边变化的自组织种群拓扑结构。对结构进行理论和实验分析,获得了结构演化参数、结构特征度量和信息传播速度间的关系。对结构特征度量的动态变化过程与算法性能间的关系进行了实验分析,结果表明在整个算法进化期间,逐渐变快的信息传播速度符合算法不同时期的搜索需要。同时,将基于两种自组织种群拓扑结构下的扩展微粒群算法进行实验比较,结果表明后者的种群结构能有效的平衡算法的全局搜索和局部搜索能力,后者的性能优于前者。 受真实网络具有增长特性以及微粒群算法动态种群规模研究成果的启发,结合算法的种群规模不能无限增加的特点,构建了以微粒适应值和节点(微粒)度择优的自组织种群拓扑结构。其在种群规模上限内按照节点数不断增加机制进行结构演化,之后按照节点等量删除与补偿的机制进行结构演化。同时,为了提高扩展微粒群算法的收敛性能,建立了与结构相关联的速度更新公式,并从理论上分析了其收敛条件和全局收敛性。根据算法搜索情况决定种群结构演化时刻,构造了算法进化与结构演化的异步结合方式。对结构进行理论和实验分析,获得了结构演化参数与结构特征度量间的关系。同时,仿真实验分析了结构演化参数和结构特征度量对算法性能的影响,并且通过与其它算法进行实验比较,结果表明了该算法的优越性。 针对无向自组织种群拓扑结构存在的不足,模拟动物群体趋利避害的行为选择机制,以微粒的适应值为指导,构建了在节点数固定不变情况下的有向自组织种群拓扑结构。通过仿真实验获得了该有向种群拓扑结构特征,同时说明了该算法具有较好的性能。
【学位授予单位】:兰州理工大学
【学位级别】:博士
【学位授予年份】:2012
【分类号】:TP18

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 焦长义;穆华平;李静;;基于高聚集性无标度网络模型的微粒群算法[J];复杂系统与复杂性科学;2010年01期
2 任子晖;王坚;;基于熵的改进粒子群优化算法[J];系统工程;2009年08期
3 介婧;曾建潮;韩崇昭;;基于群体多样性反馈控制的自组织微粒群算法[J];计算机研究与发展;2008年03期
4 夏小翔;曾建潮;高慧敏;;基于元胞自动机的小生境微粒群算法[J];计算机工程与应用;2007年11期
5 王光辉;曾建潮;;一种具有动态群体规模的微粒群算法[J];计算机工程与应用;2008年11期
6 姚灿中;杨建梅;;一种基于有向动态网络拓扑的粒子群优化算法[J];计算机工程与应用;2009年27期
7 王雪飞;王芳;邱玉辉;;一种具有动态拓扑结构的粒子群算法研究[J];计算机科学;2007年03期
8 段晓东;高红霞;张学东;刘向东;;粒子群算法种群结构与种群多样性的关系研究[J];计算机科学;2007年11期
9 王桂英;周健;谢飏;;基于BBV的有向加权网络模型[J];计算机工程;2010年12期
10 邢万波;杨圣奇;王树平;陈文杰;;一种改进的自适应邻域粒子群优化算法[J];计算机应用;2008年12期
中国博士学位论文全文数据库 前3条
1 谢丽萍;基于拟态物理学的全局优化算法设计及性能分析[D];兰州理工大学;2010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 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年
中国硕士学位论文全文数据库 前5条
1 黄红球;对有向网络理论及应用的一些研究[D];武汉理工大学;2007年
2 蔡星娟;个性化微粒群算法研究[D];太原科技大学;2008年
3 穆华平;基于动态邻域结构的微粒群算法研究[D];太原科技大学;2008年
4 褚永芳;信息交互与处理微粒群算法[D];太原科技大学;2009年
5 苗彦江;交互变邻域微粒群算法[D];太原科技大学;2010年
【共引文献】
中国期刊全文数据库 前10条
1 许小健;张金轮;;微进化算法[J];安徽工程科技学院学报(自然科学版);2010年04期
2 宋兵;;基于复杂网络的农作物细菌性病害传播模型初探[J];安徽农业科学;2011年34期
3 ;Multi-swingby optimization of mission to Saturn using global optimization algorithms[J];Acta Mechanica Sinica;2009年06期
4 ;A Preliminary Application of the Differential Evolution Algorithm to Calculate the CNOP[J];Atmospheric and Oceanic Science Letters;2009年06期
5 魏娟;宋福庆;;两种全局同步稳定性方法的比较与应用[J];安阳师范学院学报;2011年05期
6 许小健;干洪;张金轮;;差分进化算法及其在固结系数计算中的应用[J];地下空间与工程学报;2010年05期
7 黄树林;鞠颂东;董军;;企业集团网络化物流模式的结构分析[J];北京交通大学学报(社会科学版);2011年01期
8 尹向敏;李元左;罗小明;;陆军武器装备综合集成系统复杂性研究[J];兵工自动化;2007年10期
9 邱原;邢焕革;;基于复杂理论的作战网络关键边评估方法[J];兵工自动化;2011年08期
10 马睿;朱建冲;杨美玲;;基于改进聚类生存度的军事通信网可靠性分析[J];兵工自动化;2012年06期
中国重要会议论文全文数据库 前10条
1 陈树文;高琼;;网络结构视角下中关村产业集群创新驱动困境与建议[A];创新驱动与首都“十二五”发展——2011首都论坛文集[C];2011年
2 耿志勇;;具有静态非线性互联结构的分布式异构系统的稳定性[A];第二十六届中国控制会议论文集[C];2007年
3 李鑫滨;王腊梅;刘仙;;基于动态复杂网络的Van der pol振子同步[A];第二十九届中国控制会议论文集[C];2010年
4 李立;;BA无标度网络中混沌动力系统的同步分析及控制[A];第二十九届中国控制会议论文集[C];2010年
5 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
6 张跃;蒋国平;;一类混沌复杂动态网络不稳定平衡点的牵制控制[A];中国自动化学会控制理论专业委员会A卷[C];2011年
7 龚鹍;邓方;陈杰;;基于自适应差分进化算法和傅里叶神经网络的电子罗盘的标定[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
9 沈如松;杨雪榕;;基于粒子群算法的小推力同步轨道入轨优化[A];中国自动化学会控制理论专业委员会C卷[C];2011年
10 ;A New Multiple Attribute Decision Making Method Based on Preference and Projection Pursuit Clustering Model[A];中国自动化学会控制理论专业委员会D卷[C];2011年
中国博士学位论文全文数据库 前10条
1 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
2 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年
3 王正家;ACA互连的多因素作用分析与性能优化[D];华中科技大学;2010年
4 杜文博;面向航空交通系统的复杂网络与网络动力学研究[D];中国科学技术大学;2010年
5 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
6 籍艳;几类时滞系统的稳定与同步[D];江南大学;2010年
7 高雪瑶;语义特征造型的与历程无关技术的研究[D];哈尔滨理工大学;2009年
8 朱少敏;多媒体数字水印若干关键算法研究[D];中国电力科学研究院;2010年
9 徐旭林;社会群体行为建模及其动力学分析[D];南开大学;2010年
10 魏建香;学科交叉知识发现及其可视化研究[D];南京大学;2010年
中国硕士学位论文全文数据库 前10条
1 万成;动态环境下的元胞遗传算法研究[D];南昌航空大学;2010年
2 苏延森;刺激下拟南芥基因逻辑网络构建与分析[D];山东科技大学;2010年
3 李二艳;刺激下拟南芥基因相关网络构建与分析[D];山东科技大学;2010年
4 周斌;复杂网络的社团结构挖掘及应用研究[D];广西师范学院;2010年
5 唐高松;基于Volterra级数模型辨识的旋转机械故障诊断方法研究[D];郑州大学;2010年
6 周斌;四桨两舵大型船舶螺旋桨的面元法设计研究[D];哈尔滨工程大学;2010年
7 高萌;复杂神经元网络的同步问题研究[D];哈尔滨工程大学;2010年
8 姜荣;时间序列的聚类和关联规则挖掘研究[D];辽宁师范大学;2010年
9 孔健;基于半监督学习的社团划分算法研究[D];辽宁师范大学;2010年
10 赵丹;基于MPSO-RBF预测控制的瓦斯监控系统研究[D];辽宁工程技术大学;2009年
【二级参考文献】
中国期刊全文数据库 前10条
1 刘自发,葛少云,余贻鑫;基于混沌粒子群优化方法的电力系统无功最优潮流[J];电力系统自动化;2005年07期
2 李晓磊,钱积新;基于分解协调的人工鱼群优化算法研究[J];电路与系统学报;2003年01期
3 张海英 ,刘祚时 ,林桂娟;群体机器人研究的现状和发展[J];电子技术应用;2004年02期
4 郭鹏;王宇平;;一类改进的类电磁机制算法[J];电子科技;2009年09期
5 彭宇,彭喜元,刘兆庆;微粒群算法参数效能的统计分析[J];电子学报;2004年02期
6 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
7 韩丽霞;王宇平;;求解无约束优化问题的类电磁机制算法[J];电子学报;2009年03期
8 金刚,李钟杰,谢平;湖泊渔业可持续发展的生态学基础及一个范例[J];湖泊科学;2003年01期
9 覃森,戴冠中,王林;节点数固定的复杂网络模型初探[J];复杂系统与复杂性科学;2005年02期
10 刘强,方锦清,李永,梁勇;探索小世界特性产生的一种新方法[J];复杂系统与复杂性科学;2005年02期
中国博士学位论文全文数据库 前6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 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
3 章忠志;复杂网络的演化模型研究[D];大连理工大学;2006年
4 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年
5 王芳;粒子群算法的研究[D];西南大学;2006年
6 罗亚中;空间最优交会路径规划策略研究[D];国防科学技术大学;2007年
中国硕士学位论文全文数据库 前2条
1 杜欢;邻域拓扑粒子群优化算法及其在电力系统无功优化中的应用研究[D];浙江大学;2006年
2 穆华平;基于动态邻域结构的微粒群算法研究[D];太原科技大学;2008年
【相似文献】
中国期刊全文数据库 前10条
1 鲁兵;;微粒群算法研究状况和发展[J];商场现代化;2007年12期
2 陈国平;赵文杰;江维;;微粒群算法参数的仿真分析[J];自动化与仪器仪表;2011年02期
3 李梅娟;王罡;刘臣奇;;微粒群算法及研究[J];鞍山师范学院学报;2006年02期
4 曾建潮;王丽芳;;一种广义微粒群算法模型[J];模式识别与人工智能;2005年06期
5 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
6 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
7 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
8 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
9 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
10 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
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 刘瑞芳;;微粒群优化算法分析[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国重要报纸全文数据库 前10条
1 翟频 杨杰;保持理想的兔群结构[N];江苏农业科技报;2006年
2 本报记者 刘艳涛;好生活来了![N];农民日报;2010年
3 本报记者 李鹏;袋鼠肉欲登中国人餐桌[N];北京科技报;2009年
4 林荫;拯救蜜蜂就是拯救人类[N];文汇报;2011年
5 记者 熊裕华 李鸽;12项研究成果获国家认定[N];西藏日报;2006年
6 湖北长江新螺段白鳍豚国家级自然保护区 张军;新螺段保护区豚类种群结构趋好[N];中国渔业报;2008年
7 殷建强;野猪多起来以后[N];中国绿色时报;2005年
8 本报记者 陈欣然 吴淑媛 徐德明 吴帆 魏颖;教育的变化,我们亲身感受[N];天津教育报;2007年
9 肃宁县畜牧局 刘五俊;为何养不出优质獭兔[N];河北科技报;2007年
10 ;展望2008年狐貂貉皮发展趋势[N];中国畜牧兽医报;2008年
中国博士学位论文全文数据库 前10条
1 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
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 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
4 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
5 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
6 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
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 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
9 宋存利;生产调度问题及其智能优化算法研究[D];大连理工大学;2011年
10 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
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 孙颖;微粒群算法的改进及其在图像预处理中的应用[D];南京师范大学;2007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