收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的研究及应用

刘衍民  
【摘要】:粒子群算法(Particle swarm optimization, PSO)是基于种群的优化算法。由于其具有快速收敛和操作简单等特点,在工程、经济管理等诸多领域得到广泛应用,成为智能计算领域研究的新热点。 然而,与其它进化算法一样,PSO也有早熟收敛现象;同时,由于要解决的实际问题,大多都包含约束条件,或者含有多个目标的优化问题,而PSO在提出时,仅针对单目标优化问题,不具备处理约束条件和多目标的机制。鉴于这些不足,本论文的主要研究工作如下, (1)对粒子的运动轨迹和PSO的收敛性进行分析 首先,构造线性离散动态系统方程,对单个粒子的状态变化进行分析;其次,采用李亚普诺夫意义下稳定的充分必要条件,给出粒子运动稳定的条件,为算法的改进提供理论支持。 (2)提出两种改进的单目标粒子群算法 ①提出基于动态邻居和广义学习的粒子群算法(DNMPSO)。首先,提出一种动态邻居拓扑结构,并分析了这种结构的优势及动态邻居拓扑结构重新构建的间隔代数对算法的影响;其次,提出一种广义学习策略,从搜索行为上对其进行分析;然后,对种群陷入局部最优解的原因进行分析,提出一种水平水合变异操作,使每个粒子能更好的进行局部搜索,提升种群向全局最优解飞行的概率;最后,为进一步提升DNMPSO算法求解复杂优化问题的能力,引入局部搜索算法,并对局部搜索算法的实现进行了分析。仿真结果表明DNMPSO在求解精度和鲁棒性方面具有一定优势。 ②提出基于K均值聚类的动态多种群粒子群算法(KDMSPSO)。首先,提出一种基于K均值聚类算法构建多种群策略,为增强子群间的信息交流,采取动态组建子群策略;其次,对种群多样性进行分析,以确定动态多种群的优势所在,并分析动态多种群的重新构建代数对算法的影响;然后,通过对粒子学习样本的分析,提出一种改进的学习策略,即“社会部分”学习样本不是种群中运行最优的粒子,而是粒子所在子群的中心粒子;最后,考虑到动态多种群KDMSPSO算法的优势,将其用来求解带有约束条件的优化问题,为实现对约束条件的处理,研究每个子群的任务分配策略(将约束条件看作任务),每个子群成员确定策略,粒子间的优劣比较规则,进而提出一种求解约束优化问题的改进粒子群算法(DMCPSO)。仿真结果表明DMCPSO算法用较少的函数评价次数可获得较优的最优解。 (3)提出两种多目标粒子群算法,并提出三种提升算法运行效率的策略 ①提出ACG-MOPSO算法。首先,分析PSO求解多目标优化问题的关键点(学习样本的选取和外部存档的规模控制),针对两个关键问题的解决,采用自适应网格对粒子的密度信息和拥挤距离进行研究,并研究外部存档规模控制策略;其次,研究如何通过密度信息和拥挤距离信息来确定全局最优粒子作为“社会部分”的学习样本;然后,从如何充分利用每个粒子历史最优位置的信息角度出发,研究粒子自身最优位置更新策略;最后,提出一种基于自适应网格和拥挤距离的多目标粒子群算法(ACG-MOPSO)。仿真结果表明ACG-MOPSO算法在处理Pareto前沿为凸、凹、不连续和多峰问题时,在解的多样性和收敛性上相比其它算法有更好的表现。 ②提出εDMOPSO算法。为提升PSO求解多目标优化问题的效率,采用一种对经典的Pareto占优关系改进的ε占优来研究粒子间的优劣,该方法不仅保证外部存档中非劣解的收敛性和分布性,而且能根据ε取值自动限制外部档案的规模,不需额外策略,极大地提升了算法的运行效率。并对DNMPSO算法的广义学习策略进行修改以适应多目标优化问题,使得种群多样性得到提升,进而提升种群向真实Pareto前沿飞行的概率。仿真结果表明εDMOPSO算法相比其它算法获得了较高的运行效率和质量更高的非劣解。 ③提出改进算法运行效率的三种策略。首先,提出并分析种群正交初始化,对远离Pareto前沿的所有非劣解的变异操作,对Pareto前沿的边界点和稀疏部分采取基于均匀设计的交叉操作三种策略;其次,研究三种策略的混合作用,即正交初始化+变异操作,正交初始化+均匀交叉操作,正交初始化+变异操作+均匀交叉操作;最后,在ACG-MOPSO和εDMOPSO算法中引入三种策略,并在有代表意义的高维测试函数DTLZ1,DTLZ2,DTLZ3和DTLZ7上进行仿真实验,并对实验结果从统计学角度进行分析。仿真结果表明这些策略在提升解的分布性和收敛性方面有积极的作用。 (4)本文提出的几种改进PSO在解决实际问题中的应用研究DNMPSO算法在土壤水分运动曲线的Van Genuchten方程中的应用;研究基于K均值聚类策略并带有约束处理技术的粒子群算法(DMCPSO)求解带有资产数量和边界约束的CCMV模型;研究εDMOPSO算法求解带有风险约束的投资组合模型。仿真结果表明本文提出的改进算法能有效地求解上述三个实际问题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 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
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 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
4 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
5 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
6 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
7 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
8 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
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 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
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 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
14 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
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 罗辞勇;陈民铀;;适应性粒子群寻优算法[J];控制与决策;2008年10期
17 朱永利;陈英伟;韩凯;王磊;;基于熵的自适应变异的粒子群优化算法[J];信息化纵横;2009年10期
18 徐波;;一种新型量子粒子群算法[J];价值工程;2011年01期
19 王洪峰;汪定伟;;一种动态环境下带有记忆的三岛粒子群算法[J];系统工程学报;2008年02期
20 孙凌;周琳;;基于修补粒子群算法的动态网格数据流优化[J];实验室研究与探索;2011年06期
中国重要会议论文全文数据库 前10条
1 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
2 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
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 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
2 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
3 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
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 管月智;粒子群算法的研究与应用[D];江南大学;2011年
2 冯维;基于粒子群算法求解多目标函数优化[D];吉林大学;2010年
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国重要报纸全文数据库 前10条
1 祁进玉;认同与宽容:基于多元化文化视野的思考[N];中国社会报;2007年
2 彭国华;生活可以简单而高效[N];中国保险报;2003年
3 牛锐;生物人类学,认识作为生物的人的多样性[N];中国民族报;2008年
4 郝艳萍;海洋资源可持续利用初探[N];中国海洋报;2005年
5 ;80/20定律的应用[N];上海金融报;2002年
6 谈琳徐兰山;打开行业绿色发展之门[N];科技日报;2008年
7 记者 高杰;外来生物每年“吞掉”1200亿元[N];中国环境报;2004年
8 田吉生 金伟飞;服务的基本原则[N];中国保险报;2004年
9 记者 赖红英 刘慧婵;华南理工本科生论文登上《自然》分刊[N];中国教育报;2009年
10 记者 陈怡;长江生态危机与人类息息相关[N];上海科技报;2011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