收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

群体智能算法研究及其应用

赵吉  
【摘要】: 群体智能优化算法是一种近年来新兴的优化方法,是受到关注最多的优化研究领域之一,其模拟社会性动物的各种群体行为,利用群体中的个体之间的信息交互和合作来实现寻优的目的。与其它类型的优化方法相比,其实现较为简单、效率较高。 粒子群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运动行为的研究,是一种新的群体智能优化算法,是演化计算领域中的一个新的分支。它的主要特点是原理简单、参数少、收敛速度较快,所需领域知识少。具有量子行为的粒子群优化(Quantum-behaved Particle Swarm Optimization,QPSO)算法是在深入研究PSO算法单个粒子收敛行为的基础上,受量子物理学的启发而提出,QPSO算法具有控制参数更少,收敛速度快,全局搜索能力强等特点。 本文以PSO算法与QPSO算法的理论分析及改进方法研究为重点,系统的研究了QPSO算法及其改进算法在相关方面的应用,具体内容如下: (1)从最优化问题概念及其求解方法入手,阐述了智能智能优化算法研究背景,详细介绍了几种常见的智能优化算法;通过阐述了没有免费午餐定理,说明了本文研究的基础;针对PSO算法的缺陷,提出了本课题的立题依据、研究目标、研究内容以及研究思路与方法。 (2)首先介绍了PSO算法的基本原理与基本流程,详细讨论了两种重要的改进算法:带权重的PSO算法和带压缩因子的PSO算法;阐述了QPSO算法的思想来源,给出了QPSO算法的设计思路。分析了随机算法收敛的两个判断准则,即全局搜索算法的收敛准则与局部搜索算法的收敛准则,利用这两个收敛准则作为依据,证明了QPSO算法是一个全局搜索的随机算法;对QPSO算法和PSO算法从算法本身的角度做了比较,说明QPSO的特点;最后尝试在QPSO算法中引入一种新的变异机制,提出了基于云模型变异的量子粒子群优化算法(QPSO-NCM),从而增加种群的多样性,提高算法跳出陷入局部寻优的能力,进一步增强全局搜索能力。变异操作能够增加群体的多样性,使得算法具有突跳的能力,进入新的搜索区域。 (3)针对QPSO算法在解决多峰优化问题中也可能出现局部收敛的现象,分析了出局部收敛的主要原因在于群体多样性较低而使得群体失去了在大范围内进行搜索的能力,通过使用物种形成策略的概念,结合QPSO算法提出了一种SQPSO(The Species-Based QPSO)算法,将粒子群系统中的粒子根据相似度进行划分,用来实现对多峰函数的优化。通过对静态多峰环境和动态多峰环境的测试仿真证明,改进后的算法全局搜索能力和局部搜索能力均得到很大提升。 (4)为了可以克服最小二乘法难于处理的时滞在线辨识,在QPSO算法中引入单神经元结构,提高算法的局部搜索能力,实现线性离散系统的在线辨识。改进QPSO算法收敛速度快,窗口长度更小,更适用于实时要求比较高的在线辨识应用。在时变时滞系统在线辨识的仿真结果也验证了改进QPSO算法具有很好的跟踪能力和稳定性,更适合实际的工程。通过引入接纳时间比控制机制,提出并设计了一种基于QPSO算法在线辨识的自适应反馈控制方法,实现了动态调整QoS的性能控制。 (5)将QPSO算法分别用于混沌系统、周期系统和稳定系统中的参数辨识研究,通过仿真实验验证了QPSO算法在系统参数辨识中比PSO算法和GA算法具有更好的性能。对于存在噪声的混沌系统,提出基于QPSO算法的在线参数辨识并证明了该方法的有效性。 (6) QPSO算法在故障诊断方面的研究。智能故障诊断技术是人工智能和故障诊断相结合的产物,通过人工的方法使用计算机模拟人类专家对复杂系统进行诊断。单一径向基(RBF)神经网络是一种性能良好的前向网络,其既有生物背景,又与函数逼近理论相配,适合于多变量函数逼近。用遗传算法优化RBF神经网络结构和权重等参数的方法具有一定的有效性,但遗传算法复杂的遗传操作(如选择、交叉、变异)使神经网络的训练时间随问题规模及复杂程度的增大而呈指数级增长。针对这些问题采用基于QPSO算法优化的RBF神经网络,进行故障进行诊断,可以有效地提高故障的正辩率。 论文最后对所做工作与主要研究成果进行了总结,并提出了进一步的研究方向。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 李志武;奉中华;姜花;范双南;周南;;基于QPSO算法的TSP优化[J];湖南农机;2013年09期
2 李万高;赵雪梅;;基于蜂群算法的多小波图像去噪研究[J];重庆邮电大学学报(自然科学版);2013年04期
3 曹萌萌;皇甫大恩;刘晓斐;;基于改进收益分配的人工蜂群算法[J];计算机工程与设计;2015年04期
4 黄磊;;粒子群优化算法综述[J];机械工程与自动化;2010年05期
5 孔芝;李事成;赵杰;;珊瑚礁算法的改进研究[J];东北大学学报(自然科学版);2020年02期
6 曹亚丽;余牧舟;杨俊峰;宋昕;;一种改进的人工蜂群算法研究[J];现代电子技术;2020年12期
7 黄伟;田羽洲;;基于新型两阶段混合算法的电力系统无功优化[J];华北电力大学学报(自然科学版);2016年01期
8 吴伟林;周永华;;基于差分演化与猫群算法融合的群体智能算法[J];计算技术与自动化;2014年04期
9 谭营;;《烟花算法引论》新书出版[J];智能系统学报;2015年04期
10 袁光辉;樊重俊;张惠珍;王斌;覃太贵;;一种新的粒子群算法与人工鱼群算法的混合算法[J];上海理工大学学报;2014年03期
11 胡恒;高鹰;;多目标人工蜂群算法研究[J];福建电脑;2013年10期
12 李伟;许家珆;;含群学习的免疫网络优化算法[J];计算机与现代化;2010年01期
13 徐向艺;;几种常规群体智能算法的研究[J];通讯世界;2016年22期
14 袁亚杰;;一种改进的人工蜂群算法[J];中国科技信息;2011年24期
15 王果;戴冬;;基于粒子群聚类算法的图像边缘检测[J];河南机电高等专科学校学报;2014年04期
16 孟凡聪;;一种粒子群蚁群混合算法研究分析[J];福建电脑;2011年11期
17 Tian-qi WU;Min YAO;Jian-hua YANG;;海豚群算法(英文)[J];Frontiers of Information Technology & Electronic Engineering;2016年08期
中国重要会议论文全文数据库 前20条
1 申元霞;张翠芳;;GA-BP算法在系统辨识中的应用[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
2 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
3 姚雪;;基于算法多样化培养学生思维习惯和创新精神[A];2019年“区域优质教育资源的整合研究”研讨会论文集[C];2019年
4 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
5 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
6 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
7 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
8 林克旺;;基于分层网络实现高效的自稳定的选举算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(下册)[C];2006年
9 肖刚;李守智;王选宏;肖瑞;;蚁群-粒子群结合算法在机组优化组合中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
10 徐英钟;高震;李波;;基于禁忌搜索的蚁群算法求解旅行商问题[A];第四届中国智能计算大会论文集[C];2010年
11 叶衍;楼荣生;何永保;;自然联结的优化算法[A];第十二届全国数据库学术会议论文集[C];1994年
12 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
13 许伦辉;傅惠;徐建闽;;基于分形维数的交通流预测模型及算法研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
14 王树西;白硕;王斌;;模式推理中的“图检索”算法[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
15 覃频频;许登元;姚起宏;黄大明;;基于表决融合的高速公路事件检测算法融合[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
16 杨娜;付强;贺延国;;蚁群算法在水土资源中的应用研究进展[A];农业系统工程理论与实践研究——全国农业系统工程学术研讨会论文集[C];2006年
17 王亚钊;周永华;刘毅;高睿;;人工生命算法的研究进展[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
18 王永华;詹宜巨;余松森;杨健;;一种密集RFID读写器环境下信道分配算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
19 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
20 王亚奇;王静;李金;;一种改进的RFID系统反碰撞算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
中国博士学位论文全文数据库 前20条
1 赵吉;群体智能算法研究及其应用[D];江南大学;2010年
2 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
3 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年
4 马诗婧;多目标人工蜂群算法研究及应用[D];东北师范大学;2019年
5 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年
6 蔡泽凡;仿生优化群算法及应用研究[D];华南理工大学;2017年
7 张毅;群智能算法的改进及其在相关领域中的应用[D];吉林大学;2009年
8 龙文;求解两类优化问题的混合进化算法及其应用[D];中南大学;2011年
9 陈恩修;离散群体智能算法的研究与应用[D];山东师范大学;2009年
10 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
11 李向涛;进化算法研究及其在化学信息学中的应用[D];东北师范大学;2015年
12 郑洪英;基于进化算法的入侵检测技术研究[D];重庆大学;2007年
13 浮婷;算法“黑箱”与算法责任机制研究[D];中国社会科学院研究生院;2020年
14 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
15 张捷;进化算法及智能数据挖掘若干问题研究[D];西安电子科技大学;2013年
16 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
17 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
18 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
19 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
20 肖建元;保几何结构算法在等离子体物理中的应用[D];中国科学技术大学;2017年
中国硕士学位论文全文数据库 前20条
1 翟金涛;改进的粒子群优化算法[D];陕西师范大学;2013年
2 张彦儒;基于量子粒子群优化的自动聚类算法研究[D];西安电子科技大学;2013年
3 王道军;智能算法在电力系统优化运行中的应用研究[D];江南大学;2008年
4 刘蓉;自适应粒子群算法研究及其在多目标优化中应用[D];华南理工大学;2011年
5 关文清;基于群体智能的模糊系统的硬件实现[D];江南大学;2013年
6 王春颖;自适应的人工蜂群算法[D];东北师范大学;2012年
7 李卫利;教与学优化算法的改进研究及其应用[D];河北地质大学;2016年
8 暴励;人工蜂群算法的混合策略研究[D];太原科技大学;2010年
9 许耀华;基于拟生态算法的CDMA多用户检测方法研究[D];安徽大学;2004年
10 徐向平;粒子群优化算法及其在生物数据聚类中的应用[D];江南大学;2016年
11 郑伟;人工蜂群算法及其在组合优化中的应用研究[D];太原科技大学;2010年
12 陈磊;粒子群蚁群结合算法在车辆调度问题上的应用研究[D];湖北工业大学;2015年
13 宋梦培;粒子群算法和蚁群算法的集成及其应用研究[D];吉首大学;2020年
14 杨建宾;智能算法在无线传感网络中的研究与应用[D];江南大学;2012年
15 郑丽;改进智能算法在路径规划中的应用研究[D];江西理工大学;2020年
16 易卜拉欣;基于文化框架的群搜索和粒子群的混合算法及其应用[D];华东理工大学;2014年
17 祁一博;基于人工蜂群算法的Van der Pol-Duffing振子的参数辨识[D];武汉理工大学;2012年
18 梁延峰;基于专家委员会的主动学习算法研究[D];中国海洋大学;2010年
19 郑健;烟花算法在多目标优化中的应用研究[D];桂林理工大学;2017年
20 俞云新;蚁群算法研究及其应用[D];华东交通大学;2011年
中国重要报纸全文数据库 前20条
1 数字经济学家、商汤智能产业研究院主任 刘志毅;今天我们被算法“控制”了吗[N];经济观察报;2020年
2 本报记者 武晓莉;给冰冷的算法注入温暖[N];中国消费者报;2021年
3 本报记者 马成涛;算法推荐 如何打破“信息茧房”[N];安徽日报;2020年
4 记者 任震宇;强化算法实施方的举证责任[N];中国消费者报;2021年
5 郑磊;当算法操控人类[N];21世纪经济报道;2020年
6 吴明曦 马伯乐;以智驭能 算法制胜[N];解放军报;2020年
7 赵熙熙;科学家开发出纠错新算法[N];中国科学报;2017年
8 实习生 高行健;新算法助力人类“解梦”[N];科技日报;2020年
9 重庆市第四中级人民法院 艾庆平;赛博世界的算法规制[N];人民法院报;2020年
10 北京大学法学院教授 北京大学电子商务法研究中心主任 薛军;数字时代应高度关注算法规制[N];中国市场监管报;2020年
11 何勇海;别被偏好算法带偏了[N];重庆日报;2020年
12 陈广江;别让算法“算计”了孩子[N];海南日报;2020年
13 陈广江;别让算法“算计”了孩子[N];中国消费者报;2020年
14 任然;拒绝投喂:赋予消费者关闭算法的权利[N];中国青年报;2020年
15 龙敏飞;每个消费者都应有“关闭算法”的权利[N];珠海特区报;2020年
16 眉间尺;比算法推荐更重要的是确认眼神[N];科技日报;2018年
17 陈航辉;切勿陷入算法迷信[N];解放军报;2019年
18 西南政法大学行政法学院 邬蕾;算法与法秩序的重塑[N];中国社会科学报;2019年
19 曾子林 邹力;谨防智能化作战的算法误区[N];解放军报;2019年
20 吴学安;要注意算法中存在的法律隐患[N];中国审计报;2019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