收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群优化算法及差分进行算法研究

张庆科  
【摘要】:最优化是目前科学计算中较为重要的研究分支,随着科技的发展,工程技术领域诸如通讯系统、自动控制、电力系统、机械工程、土木工程、生物工程、化学工程等产生了诸多复杂的最优化问题,例如非线性控制问题,神经网络训练问题,文本聚类问题、多参数调优问题、交通路线规划问题等。基于传统的优化算法(如解析法,数值分析法)解决这类优化问题时经常面临着求解时间长,求解精度低,甚至无法求解的情况,因此基于群智能优化的随机优化算法不断被提出。群智能优化的方法共包括两种类型:一种是通过模拟自然界生物群体社会行为(如觅食,筑巢,迁徙)进行解空间搜索的群智能优化算法,例如粒子群优化算法(PSO),蚁群优化算法(ACO)等;另一种群智能优化算法是通过模拟大自然物种进化过程(如变异,交叉,选择)进行解空间搜索的群智能优化算法,例如差分进算法(DE),遗传算法(GA)等。基于群体智能的优化算法克服了传统算法在求解问题时条件要求较高的局限性,且算法搜索过程不依赖搜索问题的具体信息,具有计算复杂度低等特点。粒子群优化算法是一种模拟鸟类群体社会行为的智能搜索算法,算法具有结构简单,控制参数少,全局寻优能力突出等优点,但是该算法的理论研究基础目前仍然不够完善,算法在搜索过程中也存在过早收敛或陷入局部极优的问题。差分进化算法是一类新型进化计算的优化算法,算法结构简单,参数较少,搜索稳定,易于实现等优点,但是算法性能对参数的依赖度较高,而且在搜索过程中出现种群多样性差,过早收敛或搜索停滞现象。为解决上述算法中存在的典型问题,本文在分析算法基本原理和收敛性的基础上提出了多种新的智能群优化算法模型,这些模型在一定程度上改善了算法过早收敛和种群多样性差问题,提高了算法全局搜索和局部搜索能力,本文主要研究贡献如下:(1)采用矩阵分析方法对标准PSO算法的收敛性(Convergence)进行了理论分析,并通过实验进行了仿真验证。文中首先给出了粒子群算法的基本原理,然后对标准PSO算法进行了位置收敛分析和速度收敛性分析,并推导出了标准PSO算法一般性收敛模型,在该收敛模型的基础上又分析了多种经典PSO算法的收敛性。最后通过实验仿真验证了该收敛框架模型的准确性。(2)提出了基于中心-离散学习的新型粒子群优化算法(CDPSO算法)。算法中提出了两种不同的学习策略:中心学习策略和离散学习策略。其中中心学习(Centralized Learning)是根据真实社会群体中普通个体效仿精英个体进行深入学习的特点而设计的一种上层深度搜索策略;离散学习(Decentralized Learning)则是根据社会群体中个体进行随机分布式学习特点而设计的一种底层广度搜索策略。粒子个体在迭代过程中采用周期轮换方式将这两种策略进对粒子位置进行协同优化,算法在搜索过程中较好地平衡了全局搜索和局部搜索能力。(3)提出了基于随机维度划分和算子随机分配策略的协同优化算法(VCPSO算法)。算法首先通过随机维度划分方法将粒子的位置向量随机地划分为多个不同长度的子向量,然后再为每一个子向量随机分配一种学习算子用以指导该子向量内各参数值的更新。这种随机维度划分和随机学习的策略将传统PSO算法全维度单一学习模式扩展到多个子维度多学习模式,算法有效解决了传统算法在搜索过程中存在的种群多样性差以及过早收敛的问题。基于随机维度划分与学习的模型在本质上是一种新的优化模型,模型中的学习算子可以进行灵活扩展,将随机维度划分的思想引入到优化领域的工作尚属首次。(4)在标准差分进化的算法原理基础上,采用泛函分析中的随机压缩算子理论对差分进化算法进行了理论分析,并给出了 DE算法渐进收敛的一般性证明。首先将DE算法的变异操作和交叉操作合并成为差分算子操作,DE算法的贪婪选择操作可被看做为一种选择算子,因此DE算法中个体的一次迭代可以视为差分算子和选择算子在空间内进行解空间的一种映射。由于贪婪选择机制,种群个体的适应度迭代序列呈现单调非递增趋势,故可以将DE的一次迭代看成为一种随机压缩算子,根据随机压缩定理推导出DE算法具有渐进收敛性。(5)提出了基于自适应混合策略的新型差分进化算法(CBDE算法)。针对DE算法子搜索过程中存在的早熟收敛现象提出了基于不同优化算法的混合协同优化的概念,设计了一种基于差分进化算法和骨干粒子群算法的新型变异策略"DE-BB"策略,该策略充分利用了骨干粒子群算法较好的深度挖掘能力以及差分进化算法搜索稳定,效率高的优点。此外,针对DE算法在进化过程中可能出现的搜索停滞现象,引入了个体监督机制,算法通过监督当前目标向量适应度更新的情况进行学习策略地更改或相应策略参数地调整。算法增强了种群的多样性,提高了 DE算法的全局搜索能力和局部搜索能力。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 倪庆剑;邢汉承;张志政;王蓁蓁;文巨峰;;粒子群优化算法研究进展[J];模式识别与人工智能;2007年03期
2 黄少荣;;粒子群优化算法综述[J];计算机工程与设计;2009年08期
3 于海平;刘会超;吴志健;;基于模拟退火的自适应粒子群优化算法的改进策略[J];计算机应用研究;2012年12期
4 徐仙伟;杨雁莹;曹霁;;一种改进的粒子群优化算法[J];长春工程学院学报(自然科学版);2015年04期
5 袁莉芬;张悦;何怡刚;吕密;;基于文化双量子粒子群优化的RFID 3D-LANDMARC定位算法[J];电子测量与仪器学报;2017年06期
6 靳雁霞;韩燮;周汉昌;;具有量子行为的粒子群优化算法的改进[J];计算机工程与应用;2009年35期
7 孙坚;丁永生;郝矿荣;;基于改进粒子群优化算法的并联机构位置正解法[J];制造业自动化;2010年04期
8 汪灵枝;申锦标;赵世安;;基于模拟退火的进化算法性能对比研究[J];百色学院学报;2007年03期
9 魏星,崔鹏程;粒子群优化算法及其在电力系统中的应用[J];电力科学与工程;2005年03期
10 赵文红;张红斌;;一种改进的粒子群优化算法[J];河北科技大学学报;2006年04期
11 汤可宗;丰建文;;一种改进的混沌粒子群优化算法[J];信息技术;2013年10期
12 辛斌;陈杰;;粒子群优化与差分进化混合算法的综述与分类[J];系统科学与数学;2011年09期
13 王瑾;张求明;黄波;;粒子群优化算法的分析与研究[J];计算机与现代化;2009年07期
14 王德强;罗琦;祁佳;;一种改进的粒子群优化算法[J];计算机工程与应用;2008年09期
15 王伯成;施锦丹;王凯;;粒子群优化算法的研究现状与发展概述[J];电讯技术;2008年05期
16 高卫峰;刘三阳;;一种高效粒子群优化算法[J];控制与决策;2011年08期
17 薛云灿;沈继东;杨启文;岳兴汉;;混沌变异粒子群优化算法及其应用研究[J];控制工程;2010年04期
中国重要会议论文全文数据库 前20条
1 江善和;王其申;江巨浪;;一种速度差分变异的粒子群优化算法[A];2009中国控制与决策会议论文集(2)[C];2009年
2 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
3 冉茂鹏;王青;董朝阳;;一种基于种群熵的动态搜索空间粒子群优化算法[A];第26届中国控制与决策会议论文集[C];2014年
4 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 袁沈坚;顾幸生;;基于差分进化的膜计算优化算法[A];上海市化学化工学会2010年度学术年会论文集(自动化专题)[C];2010年
13 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
14 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
15 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
16 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
17 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
18 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
19 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
20 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
中国博士学位论文全文数据库 前20条
1 张庆科;粒子群优化算法及差分进行算法研究[D];山东大学;2017年
2 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年
3 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
4 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009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 Shafiullah Khan;粒子群优化算法及其在电磁设计中的应用[D];浙江大学;2017年
7 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
8 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年
9 林蔚天;改进的粒子群优化算法研究及其若干应用[D];华东理工大学;2014年
10 刘东;粒子群优化算法及其工程应用研究[D];西南交通大学;2013年
11 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
12 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
13 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
14 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年
15 贾兆红;粒子群优化算法在柔性作业车间调度中的应用研究[D];中国科学技术大学;2008年
16 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
17 高卫峰;人工蜂群算法及其应用的研究[D];西安电子科技大学;2013年
18 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
19 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
20 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
中国硕士学位论文全文数据库 前20条
1 王志;粒子群优化算法及其改进[D];重庆大学;2011年
2 朱淑芳;粒子群优化算法的改进及其应用分析[D];重庆大学;2020年
3 佟金颖;粒子群优化算法的研究及改进[D];南京信息工程大学;2008年
4 何骞;改进多目标粒子群优化算法的实现及应用[D];北京化工大学;2016年
5 覃大胜;粒子群优化算法的改进及其应用研究[D];暨南大学;2015年
6 李鹏;一种改进的粒子群优化算法[D];湖南师范大学;2008年
7 张岩;基于多因子惯性权重的粒子群优化算法的研究[D];华中科技大学;2013年
8 马金玲;改进粒子群优化算法的研究[D];电子科技大学;2008年
9 徐静;粒子群优化算法的改进方法研究[D];华中师范大学;2011年
10 胡志敏;基于参数和策略协进化的粒子群优化算法及其应用[D];华东理工大学;2013年
11 孙晶晶;粒子群优化算法的改进及其应用研究[D];陕西师范大学;2010年
12 邓艳青;粒子群优化算法的改进及其应用研究[D];中南大学;2012年
13 芦燕爽;改进的粒子群优化算法的研究[D];哈尔滨工业大学;2010年
14 刘娟;求解极小碰集的粒子群优化算法的研究与改进[D];吉林大学;2015年
15 卢廷玉;基于粒子群优化算法的集成学习研究[D];吉林大学;2008年
16 许丽艳;基于空间收缩的粒子群优化算法及其在投资预测中的应用[D];哈尔滨工程大学;2006年
17 方昕;粒子群优化算法在路径规划中的应用[D];陕西师范大学;2010年
18 林伟民;粒子群优化算法的改进及其在图像分割中的应用[D];南京邮电大学;2014年
19 王高洋;基于网格和加速粒子群优化的数据流聚类算法研究[D];哈尔滨师范大学;2015年
20 王创业;基于进化算法的电力经济调度优化研究[D];华北电力大学;2015年
中国重要报纸全文数据库 前20条
1 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
2 本报评论员 悦连城;算法推荐,管好才能用好[N];河南日报;2022年
3 本报记者 苏晓梅 岳付玉;算法推荐能否告别野蛮生长?[N];天津日报;2022年
4 本报记者 李燕京;算法告别“算计” 消费更加公平[N];中国消费者报;2022年
5 中青报·中青网见习记者 罗希;中青校媒联合上交大媒体与传播学院发起《提高“算法素养”倡议》[N];中国青年报;2021年
6 王轶辰;算法也要有“说法”[N];经济日报;2022年
7 记者 王思北 阳娜 周琳 颜之宏;大数据“杀熟”不能再“杀”了,算法推荐不能乱“推”了[N];新华每日电讯;2022年
8 本报记者 祖爽;剑指行业乱象 算法推荐进入严监管时代[N];中国商报;2022年
9 本报记者 宋婧;新规将算法装入监管“笼子”[N];中国电子报;2022年
10 东南网记者 卢金福;给算法应用戴上“紧箍咒”[N];福建日报;2022年
11 本报评论员 吴迪;以公共利益为底色,引导算法技术向上向善[N];工人日报;2022年
12 新华社记者 余俊杰;规范算法推荐活动,明确用户知情权选择权[N];新华每日电讯;2022年
13 湖北日报评论员 周磊;“算法”不是“算计”[N];湖北日报;2022年
14 刘俊;促进算法推荐技术规范健康发展[N];人民日报;2022年
15 李贞;共促算法推荐健康有序发展[N];人民日报海外版;2022年
16 记者 毛振华;算法不能变算计[N];新华每日电讯;2022年
17 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
18 见习记者 陈友敏;消保委呼吁尽快出台算法规制[N];上海法治报;2021年
19 王悠然 编译;避免对算法的过度依赖[N];中国社会科学报;2021年
20 证券时报记者 江聃;网信办规范算法推荐 禁止实施流量造假控制热搜[N];证券时报;2021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