收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

纵向参数多子群粒子群算法的研究与应用

常彦伟  
【摘要】: 多模态函数优化是一个复杂优化问题,使用传统优化方法会遇到许多困难,群体智能算法为解决这类复杂优化提供了一种新的思路。 PSO作为一种群体智能算法,具有鲜明的群体智能特征,多子群粒子群算法在多模态优化中表现了它的简单性和有效性。目前在已有的多子群粒子群算法求解多模态优化问题的研究成果中,子群的划分多是基于适应值和邻域,须提前确定子群的数目;对子群间和粒子间交流研究却很少,缺乏一种有效度量子种群多样性的方法。 针对上述两个问题,本文通过对粒子子群间交流学习特性的研究,提出了纵向参数多子群粒子群算法(VPMSPSO),论文主要包括以下研究内容: 首先,受生物个体向其近邻学习和个体间相互趋同形成小群体的特性启发,提出纵向参数多子群粒子群算法(VPMSPSO)。并对VPMSPSO算法收敛性进行了研究和证明。结果表明:VPMSPSO算法总体收敛速度较标准粒子群算法慢,但能收敛于多峰值函数的各个峰值。 其次,在子群最优值为随机序列的前提下,建立了算法的非线性离散系统模型,分析了系统稳定性,得出了系统稳定的参数选取条件;研究子群合并对粒子行为的影响,得出逼近度阈值的选取范围。第三,分析了子群进化过程中丢峰和孤粒子子群产生的原因,提出度量子群多样性的子群相对差异度和子群相对熵概念,改进了VPMSPSO算法。结果表明:改进后的算法可更好地描述子群动态演化状态,有效提高了子群多样性,避免丢峰和孤粒子子群现象的产生。 第四,利用VPMSPSO算法的动态聚类特性,提出了一种基于VPMSPSO的自适应聚类算法(SACA-VPMSPSO),并将其应用于RBF网络的构建。并基于VPMSPSO算法,采用自然数编码进行了分类器设计。 最后,将VPMSPSO算法用于神经网络集成训练,其多峰并行搜索特性使训练不仅确定网络权值还可以确定集成网络个数。针对煤矿涌水量数据和瓦斯涌出浓度数据特点,建立了基于VPMSPSO算法训练的神经网络集成和RBF网络两种煤矿涌水量预测模型,建立了基于VPMSPSO分类器的煤矿瓦斯涌出浓度分类规则提取模型,从而将VPMSPSO算法应用于煤矿企业决策支持预警系统中。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李小青;;基于遗传-粒子群混合算法的测试用例生成研究[J];计算机系统应用;2009年03期
2 刘宇;覃征;史哲文;;简约粒子群优化算法[J];西安交通大学学报;2006年08期
3 李相勇;田澎;孔民;;解约束优化问题的新粒子群算法[J];系统管理学报;2007年02期
4 张顶学;关治洪;刘新芝;;一种动态改变惯性权重的自适应粒子群算法[J];控制与决策;2008年11期
5 孙晶晶;雷秀娟;;求解TSP的改进自组织PSO算法[J];计算机工程与应用;2009年31期
6 刘衍民;隋常玲;牛奔;;解决约束优化问题的改进粒子群算法[J];计算机工程与应用;2011年12期
7 王文义;秦广军;王若雨;;基于粒子群算法的遗传算法研究[J];计算机科学;2007年08期
8 刘舜民;张喆;;一种基于种群多样性的自适应粒子群算法[J];河南师范大学学报(自然科学版);2009年03期
9 刘衍民;赵庆祯;;基于动态种群和广义学习的粒子群算法及应用[J];计算机工程与科学;2011年05期
10 刘衍民;隋常玲;赵庆祯;;基于K-均值聚类的动态多种群粒子群算法及其应用[J];控制与决策;2011年07期
11 樊梦;;基于WS小世界网络拓扑特性的自组织PSO算法[J];大众科技;2010年10期
12 马强;孙秀霞;彭建亮;;简化的位置随机扰动粒子群算法[J];微计算机信息;2009年18期
13 郑春颖;郑全弟;王晓丹;王玉冰;;基于试探的变步长自适应粒子群算法[J];计算机科学;2009年11期
14 宁国忠;孟科;颜学峰;钱锋;;改进的粒子群算法及其在软测量建模中的应用[J];华东理工大学学报(自然科学版);2007年03期
15 张建军;王仲生;;基于改进粒子群算法的匹配追踪分解优化研究[J];西北工业大学学报;2009年02期
16 王东;罗可;;基于变异粒子群的聚类挖掘[J];计算机工程与应用;2011年21期
17 牛玉会;;基于粒子群算法在六峰驼背函数中的应用[J];当代经理人(下旬刊);2006年08期
18 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
19 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期
20 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期
中国重要会议论文全文数据库 前10条
1 张顶学;朱迎辉;廖锐全;;一种动态改变惯性权重的粒子群算法[A];第二十九届中国控制会议论文集[C];2010年
2 张顶学;廖锐全;;粒子群算法分析及惯性权重的动态改变策略[A];第二十七届中国控制会议论文集[C];2008年
3 常俊林;梁君燕;魏巍;;解决流水车间双目标调度问题的免疫粒子群算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
4 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
5 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年
7 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年
8 史久根;徐胜生;;基于文化-粒子群算法的机器人路径规划算法[A];2011中国仪器仪表与测控技术大会论文集[C];2011年
9 段练;张玉斌;;坐标改进型粒子群算法在应用层组播中的应用[A];煤炭机电与自动化实用技术[C];2012年
10 周晓君;阳春华;桂卫华;;可变随机函数的PSO算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
中国博士学位论文全文数据库 前10条
1 常彦伟;纵向参数多子群粒子群算法的研究与应用[D];中国矿业大学;2009年
2 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
3 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
4 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
6 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
7 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
8 岳本贤;粒子群算法拓展研究及在约束布局优化中应用[D];大连理工大学;2012年
9 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
10 薛尧予;群能量守恒粒子群算法及其在发酵过程控制中的应用研究[D];北京化工大学;2010年
中国硕士学位论文全文数据库 前10条
1 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
2 杨立标;基于混合优化策略的粒子群算法及其应用研究[D];哈尔滨工程大学;2010年
3 陈琳玲;基于简化粒子群算法的测试数据自动生成方法研究[D];西南大学;2010年
4 赵辛欣;随机聚焦粒子群算法在机组组合中的应用[D];西南交通大学;2010年
5 王冬;基于粒子群算法的Web文本信息过滤研究[D];华北电力大学(河北);2010年
6 李文婷;基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究[D];太原理工大学;2011年
7 汪华;粒子群算法的研究及其在供水优化调度中的应用[D];合肥工业大学;2011年
8 张念志;基于粒子群算法的集送货一体化车辆路径问题研究[D];山东大学;2010年
9 王乐;粒子群算法优化的小波神经网络在目标跟踪中的应用[D];太原理工大学;2011年
10 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
中国重要报纸全文数据库 前10条
1 加引玲;郭子群:富民情怀永不变[N];山西经济日报;2010年
2 王英;女子中韩对抗男子群雄争霸[N];黑龙江日报;2005年
3 本报记者 罗芸实习生 骆苗苗;“埋头拉车”还需“抬头看路”[N];重庆日报;2007年
4 新华社记者 陈开印;西平:一位挂职干部感动一群人[N];新华每日电讯;2003年
5 赵海鹰;我眼里的韩国父母[N];中国教师报;2003年
6 山东省临沂市兰山区南坊兽医站 张蕾;提高羔羊成活率3大管护措施[N];河北农民报;2006年
7 本报记者 夏训武 通讯员 胡守军 易建波;利群村走出学子群[N];益阳日报;2006年
8 记者 蒋志臻;把发展旅游业作为灾后重建重要规划[N];人民政协报;2008年
9 李丽云;大庆:科技缔造新神话[N];科技日报;2004年
10 李永刚;浙江民营企业的独特发展模式[N];厂长经理日报;2002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