收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

模拟退火微粒群混合算法的研究及应用

林令娟  
【摘要】: 自从20世纪80年代以来,群体智能(Swarm Intelligence)作为一个新兴领域,引起了许多研究人员的关注,已经成为人工智能以及社会、经济、生物等交叉学科的热点和前沿领域。人工神经网络、模拟退火算法、遗传算法、粒子群优化算法和蚁群算法,通过模拟某些自然现象和过程发展起来,为优化理论提供了新的思路和手段。1995年提出的微粒群算法简单容易实现,需调整的参数不多,收敛速度快。已广泛应用于目标函数优化、动态环境优化、神经网络训练等多个领域,并在IEEE进化计算年会(IEEE Annual Conference Of Evolutionary Computation,CEC)上成为一个独立的研究分枝。 模拟退火算法(Simulated Annealing,SA)作为局部搜索算法的扩展,是1982年由S.Kirkpatrick等人提出的一种模拟金属退火机理而建立的随机优化方法。SA接受新模型的方式使其成为一种全局最优算法,并得到理论证明与实际应用的验证。正是由于这种优势的存在,人们成功地将该思想引入组合优化理论。近年来该算法引起了大规模优化设计、数值分析、复杂布局等领域广泛的重视。 计算机技术、多媒体技术以及Intemet技术的长足发展导致大量图象的出现,目前一个相当重要而又富有挑战性的研究课题:如何有效地、快速地从大规模的图象数据库中检索出需要的图象。基于内容的图象检索技术的研究正是为了解决利用自动获取的图象特征,从图象数据库中检索出相关图象的问题。近年来,此项技术的研究非常活跃,在许多领域都有应用。 本文主要内容是将模拟退火算法和微粒群优化算法结合起来,并围绕基于内容的图象检索中的一些关键技术,进行了一些探索性的研究。该内容属于图象信息检索和智能算法优化领域的研究重点,具有相当的理论意义和实际应用价值,为设计新的智能分类检索思路的开拓提供支撑平台。主要工作包括: 1.提出了一种动态自适应微粒群优化算法DAPSO PSO算法存在易陷入局部最优,出现早熟收敛的问题,许多研究都集中于惯性权重w的改进上。具有不同惯性权重的粒子各尽其责,全局寻优和局部寻优同时进行,在保证算法能全局收敛和收敛速度之间做了一个很好的折衷。当算法未搜索到全局最优适应值时,或不满足最优要求时,可采用惯性权重的变异策略。可以较大的概率产生小幅度的扰动以实现局部搜索,又可适当产生大幅度扰动以实现大步长迁移来走出局部极小区域。 2.提出一种基于“小世界”的动态自适应微粒群优化模型DWPSO 现有的微粒群算法及其变种皆有着收敛速度慢、容易陷入局部极值等问题,再针对动态自适应微粒群算法有早熟收敛的现象,本文提出一种基于“小世界”的动态自适应微粒群优化模型。在动态小世界微粒群算法的基础上,引入杂交及变异机制,从而减少计算时间以及避免早熟现象。 3.结合微粒群优化算法和模拟退火算法,提出SA-DWPSO混合算法。在理论上已证明,微粒群优化算法并不能保证收敛于最优解,甚至局部最优解。模拟退火算法已被证明依概率1收敛于全局最优解,因此可以使用模拟退火算法作为PSO算法的收敛依据。通过微粒群局部收敛性与模拟退火全局收敛性的融合,有效的克服了微粒群算法的早熟收敛现象,加快收敛速度。 4.模拟退火算法和改进的微粒群算法两者有机结合,协同搜索,可保持二者的搜索优势,具有良好的互补性。将该混合算法应用到基于图象特征的图象分类检索中去,达到较好的分类结果。利用VC++.NET 2008、SQL Server2005数据库系统和MATLAB在WindowsXP平台上开发完成。分别针对图像的检索、分类、优化等进行了实验分析,设计结果令人满意。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李雪;刘弘;常亮;;基于模拟退火机制的多微粒群协同进化算法[J];计算机应用研究;2009年01期
2 周鲜成;申群太;;基于微粒群和模拟退火的图像恢复研究[J];微电子学与计算机;2009年01期
3 王丽芳;曾建潮;;PSOSA混合优化策略[J];计算机工程与科学;2006年09期
4 潘玉霞;潘全科;桑红燕;武磊;;离散微粒群算法求解批量流水线调度问题[J];计算机工程与应用;2010年06期
5 王丽芳;郭晓东;曾建潮;;基于Metropolis准则的微粒群算法[J];系统仿真学报;2008年14期
6 易军;石为人;唐云建;许磊;;无线传感器/执行器网络任务动态调度策略[J];电子学报;2010年06期
7 毛帆;傅鹂;蔡斌;;求解作业车间调度问题的微粒群遗传退火算法[J];计算机工程与应用;2011年05期
8 魏丽;;群体动画设计中常用的几种优化算法[J];电脑知识与技术;2011年03期
9 王亮;卢晓东;程韫琳;张军;戈美净;;基于快速退火和PSO算法的港口交通信号控制方法[J];中国科技信息;2011年18期
10 张立;晏琦;;基于高斯分布和模拟退火算法的免疫微粒群优化算法研究[J];计算机应用;2008年09期
11 谷良贤;王轶鹏;龚春林;;基于概率突跳和模拟退火的改进自适应微粒群算法[J];控制与决策;2009年04期
12 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
13 石茂;叶正麟;;近似保积形式的参数曲线拟合[J];计算机工程与应用;2009年35期
14 林令娟;刘希玉;;结合SA算法的快速微粒群优化算法[J];计算机工程与应用;2011年08期
15 宋佳栋;赵庆祯;刘森;;基于微粒群算法的投资决策研究[J];山东科学;2008年05期
16 曾孝平;梁生博文;;基于独立分量分析和微粒群算法的胎儿心电提取[J];信息与电子工程;2009年06期
17 付秋峰;肖军;李书臣;张勇强;刘威;;基于微粒群优化和模拟退火的约束广义预测控制算法[J];石油化工高等学校学报;2010年02期
18 周鲜成;申群太;;基于微粒群优化噪信功率比的维纳滤波算法[J];计算机应用与软件;2009年04期
19 吴亮红;王耀南;曾照福;袁小芳;;基于复合微粒群算法的非线性系统模型参数估计[J];系统仿真学报;2006年07期
20 张捍东;廖天红;岑豫皖;;用模拟退火思想的粒子群算法实现图像分割[J];计算机技术与发展;2010年05期
中国重要会议论文全文数据库 前10条
1 习华勇;赵林明;;指数函数模型辨识的模拟退火算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(下卷)[C];1995年
2 钟一文;蔡荣英;;求解TSP问题的贪婪随机模拟退火算法[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
3 方红芳;吴昭同;;模拟退火算法在计算机辅助公差设计中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
4 李欣强;魏关锋;罗立;姚平经;罗行;ROETZEL Wilfried;;用改进的遗传/模拟退火算法进行多流股换热器网络综合[A];第九届全国化学工艺学术年会论文集[C];2005年
5 马平;柴欣;李涛;杨愚鲁;;动态重构系统中基于模拟退火算法的划分[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
6 王小翠;郑更新;邢瑞;;一个用模拟退火求解TSP问题的新算法[A];中国企业运筹学[C];2009年
7 王青;肖怀铁;张安;;基于模拟退火算法的MIMO雷达稀疏线阵设计[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年
8 裴玉龙;盖春英;;公路网络路线布局优化的双层规划模型及算法研究[A];中国公路学会2004年学术年会论文集[C];2004年
9 李英杰;李董辉;;非单调模拟退火算法[A];中国运筹学会第九届学术交流会论文集[C];2008年
10 陈生昌;;非线性反问题反演方法比较及对策[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995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 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
3 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
4 宋存利;生产调度问题及其智能优化算法研究[D];大连理工大学;2011年
5 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年
6 薛明志;进化计算与小波分析若干问题研究[D];西安电子科技大学;2004年
7 马华伟;带时间窗车辆路径问题及其启发式算法研究[D];合肥工业大学;2008年
8 李伟文;基于透明电光陶瓷偏振控制器及其算法的设计与研究[D];浙江大学;2005年
9 岳琪;基于遗传退火算法板式家具大规模矩形件优化下料研究[D];东北林业大学;2005年
10 姜圳;基于QoS的组播路由关键技术研究[D];哈尔滨理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 林令娟;模拟退火微粒群混合算法的研究及应用[D];山东师范大学;2010年
2 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
3 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
4 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
5 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010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 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
8 戴芬;基于量子计算技术的智能算法的研究与应用[D];山东师范大学;2010年
9 刘丁峰;基于改进微粒群算法的图像复原方法研究[D];中南民族大学;2010年
10 李凯;基于微粒群优化算法的结构系统识别[D];同济大学;2008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