收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

混合微粒群算法研究及在随机规划中的应用

刘健  
【摘要】: 随着经济、社会的发展,人们越来越深刻的认识到决策问题和优化问题的重要性,一次正确的决策、一次有效的优化往往能带来巨大的现实效益,这便为规划模型及优化算法的发展提供了强大的动力支持和广阔的研究前景。 微粒群算法是依据仿生思想衍生而来的一种较新的群智能算法,由于其原理简单,实现容易,鲁棒性好等特点,在训练神经网络、优化问题、数据聚类等许多领域都有着广泛应用。因此,对微粒群算法的研究成为当前智能算法研究的热点。 本文通过对微粒群算法理论基础的学习和研究,针对其搜索过程中由于早熟收敛而易陷入局部最优的缺点,本文提出了两种改进思路:无效微粒重利用和引入适应度速度。通过无效微粒的重利用、群体结构的适时调整及速度公式的变更,对传统的微粒群算法进行了改进。通过数值实验对比,改进的微粒群算法能够更好的实现全局搜索和快速收敛,有效避免了算法早熟现象。 如今,随机规划理论及应用已日趋成熟,应用范围逐步扩展,在许多领域表现出了重要作用,赢得了普遍关注。本文在对微粒群算法改进的基础上,综合利用改进的微粒群算法与支持向量回归机,并针对各类随机规划问题模型自身的特点提出相应的混合智能算法加以求解。在混合算法中,支持向量回归机主要用于对含有随机变量的函数进行学习、逼近,进而实现对目标函数及约束条件的量化评估,在此基础上,利用微粒群算法,通过一定数量的微粒在满足约束条件的可行空间中的广泛探索,实现对随机规划问题最优解的发现。最后,通过实验验证,证明该混合算法应用于求解不确定规划问题是可行有效的,并且在求解精度和速度上优于传统的混合智能算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 肖宁;曾建潮;;一种求解随机期望值模型的有效算法[J];智能系统学报;2008年03期
2 肖宁;曾建潮;;求解随机相关机会规划的有效算法[J];计算机工程与设计;2007年22期
3 肖宁;;基于PSO求解随机相关机会规划的有效算法[J];计算机与数字工程;2009年06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
11 张晓清,张建科,方敏;多峰搜索的动态微粒群算法[J];计算机应用;2005年11期
12 马铭;周春光;张利彪;马捷;;一种优化模糊神经网络的多目标微粒群算法[J];计算机研究与发展;2006年12期
13 姚坤;李菲菲;刘希玉;;一种基于PSO和GA的混合算法[J];计算机工程与应用;2007年06期
14 刘晓峰;陈通;;PSO算法的收敛性及参数选择研究[J];计算机工程与应用;2007年09期
15 王万良;唐宇;;微粒群算法的研究现状与展望[J];浙江工业大学学报;2007年02期
16 鲁兵;;微粒群算法研究状况和发展[J];商场现代化;2007年12期
17 吴晓威;张井岗;;基于微粒群算法的灰色预测PID控制器[J];智能系统学报;2007年05期
18 许允喜;陈方;;基于混合微粒群算法的说话人识别[J];计算机应用;2008年06期
19 魏占海;刘松林;黄海明;;基于微粒群算法的舰船维修保障系统优化研究[J];舰船电子工程;2008年08期
20 袁代林;程世娟;陈虬;;一种新形式的微粒群算法[J];计算机工程与应用;2008年33期
中国重要会议论文全文数据库 前10条
1 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
2 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
3 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
4 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
5 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
6 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
7 周长银;贺国平;;补偿随机规划问题的一个SSLE算法[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
8 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
9 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
10 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
中国博士学位论文全文数据库 前10条
1 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
2 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;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 仇晨晔;多目标微粒群算法研究及其在交通事故分析中的应用[D];北京邮电大学;2013年
5 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
6 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
7 金瑶;基于支持向量回归机的无迹卡尔曼滤波设计与应用[D];中国地质大学;2013年
8 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
9 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年
10 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
中国硕士学位论文全文数据库 前10条
1 刘健;混合微粒群算法研究及在随机规划中的应用[D];中国石油大学;2009年
2 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
3 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
4 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
5 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
6 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
7 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
8 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
9 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
10 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
 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