收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同进化的混合智能优化算法及其应用研究

邓武  
【摘要】:优化问题一直是国际上公认的热点和难点问题之一。受自然现象、社会现象或生物智能的启发,计算智能提供了简单、通用、鲁棒、并行的方法,能够有效解决大多数优化问题。面对当今社会日益增多的复杂优化问题,传统的智能优化方法尚存在诸多的局限性,现有混合智能优化的混合机制(策略)上都有待深入,混合智能优化的内在联系与内部机理的研究尚显不足。作为一类将协同进化机制引入到传统计算智能的新算法,协同进化具有抽象的算法模型,可以根据实际求解问题来灵活构造。由于协同进化算法能有效克服其它计算智能算法的早熟现象、优化精度不高等缺陷,因此研究基于协同进化的混合智能优化算法已成为人工智能领域的一个研究热点。 本文在概要介绍计算智能方法相关知识的基础上,重点分析协同进化算法、混合智能优化算法的发展现状,以及混合智能优化算法在旅行商问题、客运量预测和故障诊断中的应用研究现状。围绕混合智能优化算法存在的问题,开展了以下研究工作: (1)通过对协同进化策略和现有智能优化算法特性的反思,将协同进化模式和并行进化机制引入到遗传算法和粒子群算法中,建立一种并行协同进化(PCEGP)算法。该算法按个体适应度值的大小将整个种群划分为相等的2个子种群,在每次迭代中,个体适应度度值较好的子种群利用遗传算法进化,个体适应度值较差的子种群利用粒子群算法处理,然后求出整个种群迄今为止搜索到的最优解。理论分析证明,PCEGP算法在有界封闭和连续的条件下以概率1收敛于全局最优解。 (2)针对RBF神经网络结构和参数优化问题,利用PCEGP算法来优化RBF神经网络,提出一种高性能的并行混合智能优化(PHIO)算法。该算法通过设计一个开关函数把RBF神经网络优化转化成单纯的函数优化问题,利用PCEGP算法寻求全局最优解,以此构造出高性能的PHIO算法。通过函数优化测试,实验表明PHIO算法具有收敛速度快、全局搜索能力强、稳定性好、求解精度高的特点。 (3)基于“阶段混合”的思想,提出一种基于PCEGP算法和蚁群算法的两阶段混合智能优化(TSHIO)算法。该算法将整个过程分为粗搜索和细搜索两个阶段,在时间效率上优于蚁群算法,在求精效率上优于PCEGP算法。通过旅行商问题,对TSHIO算法进行了仿真比较,结果表明该算法具有较好的收敛性、较高的求解精度、较强的全局搜索能力。 (4)基于混合智能优化策略,提出一种基于粗糙集理论和BP神经网络的混合智能优化(RSBPNN)算法,建立一种新的铁路客运量预测方法。RSBPNN算法利用粗糙集理论的知识约简能力,对样本进行预处理和约简,再确定网络输入层变量和神经元个数,利用神经网络强大的任意函数逼近能力、学习能力,建立基于RSBPNN算法的铁路客运量预测方法。在实际复杂问题应用中表明该方法预测我国铁路客运量结果接近于实际值。 (5)为了形成智能优化算法相互融合与互补,以混合智能优化策略为基础,提出一种基于粗糙集、遗传算法和神经网络的新故障智能诊断(RGBNFD)方法。该方法充分利用了粗糙集知识约简能力,遗传算法保持种群多样性,BP神经网络的分类能力。以电机滚动轴承故障诊断为应用来验证提出的RGBNFD方法,结果表明RGBNFD方法不仅能有效的求解故障诊断,而且诊断准确率高,具有一定的容错能力。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王勇;蔡自兴;;“智能优化算法及其应用”课程教学的实践与探索[J];计算机教育;2009年11期
2 高武奇;康凤举;钟联炯;;社会认知算法在非线性多峰函数寻优中的应用[J];微电子学与计算机;2009年02期
3 崔元萍,殷国富;矩形件智能优化排样算法与应用[J];计算机应用;2004年S1期
4 匡胤;;组合优化问题求解的计算模型研究[J];乐山师范学院学报;2006年12期
5 陆虎;宋余庆;;一种混合遗传禁忌搜索的模糊聚类算法[J];江南大学学报(自然科学版);2007年06期
6 焦巍;刘光斌;;非线性模型预测控制的智能算法综述[J];系统仿真学报;2008年24期
7 韦玉;冯速;;免疫遗传算法在排课问题中的应用[J];北京师范大学学报(自然科学版);2008年02期
8 陈英武;白保存;贺仁杰;李菊芳;;遥感卫星任务规划问题研究现状与展望[J];飞行器测控学报;2008年05期
9 郭庆军;李慧民;赛云秀;;非线性约束优化的算法分析[J];计算机工程与应用;2009年19期
10 任琦,徐迎庆,庄越挺,沈向洋;面向办公应用的自动配色方案创作与应用系统[J];软件学报;2005年05期
11 蒋腾旭;;智能优化算法概述[J];电脑知识与技术(学术交流);2007年08期
12 班晓娟;李欣;宁淑荣;景俊杰;;基于PSO智能优化的SFS三维重构算法研究[J];计算机工程与科学;2008年11期
13 侯勇严;郭文强;党宏社;;智能优化算法及其在打浆优化中的应用[J];计算机测量与控制;2008年11期
14 李彬;李贻斌;荣学文;;ELM-RBF神经网络的智能优化策略[J];山东大学学报(理学版);2010年05期
15 王大将;蔡瑞英;徐新伟;;群智能优化算法研究[J];电脑知识与技术;2010年21期
16 李亮;孙玉秋;;TSP问题的智能优化算法研究[J];楚雄师范学院学报;2011年03期
17 孟一冉;钟联炯;;通信网频率分配算法研究[J];科技信息;2011年15期
18 何利;刘永贤;谢华龙;刘笑天;;基于粒子群算法的车间调度与优化[J];东北大学学报(自然科学版);2008年04期
19 尤晓清;邱矩平;林苗;吴桂生;马振龙;;仿生智能算法的比较分析[J];福建电脑;2009年01期
20 雍龙泉;陈涛;张建科;;求解互补问题的极大熵社会认知算法[J];计算机工程与设计;2010年03期
中国重要会议论文全文数据库 前10条
1 张亮;王凌;郑大钟;;基于假设检验的智能优化算法及其比较[A];2004中国控制与决策学术年会论文集[C];2004年
2 张晓菲;张火明;高明正;;三种智能优化算法的研究进展[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
3 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年
4 张瑜玲;顾幸生;;基于免疫算法的火电厂机组负荷优化分配研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
5 彭程;王永;;混合单纯形-和声搜索及其在线性系统模型简化中的应用[A];第二十九届中国控制会议论文集[C];2010年
6 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
7 蔡荣英;钟一文;;求解TSP问题的锦标赛选择模拟退火算法[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
8 张金标;段宗银;刘建;张红云;;并行设计耦合活动集非解耦的迭代调度算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
9 陈治礼;李明之;;基于粒子群优化算法的雷达目标相关匹配识别[A];2010年全国电磁兼容会议论文集[C];2010年
10 谢永慧;马丹丹;张荻;丰镇平;;基于三维接触有限元方法的透平叶片枞树型叶根轮缘优化研究[A];中国动力工程学会透平专业委员会2011年学术研讨会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
2 殷巧玉;量子智能优化算法及其在电机优化应用中的研究[D];哈尔滨理工大学;2011年
3 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
4 孙忠华;基于智能优化算法的港口国监督选船模型研究[D];大连海事大学;2013年
5 赵明渊;分类问题的智能优化算法及其应用研究[D];电子科技大学;2011年
6 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
7 王海英;智能优化算法研究及其在移动机器人相关技术中的应用[D];哈尔滨理工大学;2007年
8 张雪霞;智能优化算法及其在电力系统无功优化中的应用研究[D];西南交通大学;2011年
9 汪世义;智能优化算法研究及其应用[D];安徽大学;2011年
10 丰小月;基于量子机制与组合方法的智能优化算法及应用研究[D];吉林大学;2008年
中国硕士学位论文全文数据库 前10条
1 张娜;求解非线性方程的智能优化算法[D];吉林大学;2013年
2 季艳芳;两种智能优化算法及其收敛性分析[D];华中科技大学;2011年
3 胡琼琼;群智能优化算法在QoS网络路由优化中的应用[D];陕西师范大学;2010年
4 曾思琴;基于智能优化算法的原子团簇结构研究[D];浙江师范大学;2010年
5 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年
6 李婷婷;烟花爆炸算法改进及其性能测试研究[D];华中科技大学;2010年
7 吕琳君;智能优化算法在集成电路设计中的应用研究[D];南京邮电大学;2013年
8 张亚坤;多目标三层文化智能优化算法及其在德士古气化炉操作优化中的应用[D];华东理工大学;2013年
9 宋丽娜;基于智能优化算法磁电复合薄膜特性的研究[D];浙江师范大学;2013年
10 石丽丽;智能优化算法对比研究及其在船体双底结构优化中的应用[D];哈尔滨工程大学;2010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
  • 010-62982499
  • 010-62783978