收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的基本理论及其改进研究

刘建华  
【摘要】: 粒子群算法在仿真生物群体社会活动的基础上,通过模拟群体生物相互协同寻优能力,从而构造出一种新的智能优化算法。但粒子群算法本身来源于生物群体现象,其理论基础并不完备。而且由于其属于随机的近似优化算法,主要应用于连续区域,因此该算法存在早熟收敛和对离散性的问题难以应用的缺点。因此,对粒子群算法的理论分析、算法改进及离散性问题的研究具有重要意义的。本文在前人工作的基础上对标准粒子群算法和离散二进制粒子群算法进行分析、改进,获得以下结果: (1)粒子群算法是一种启发式随机优化算法,每个粒子追逐自身最优粒子和全局最优位置搜索,并且追逐时带有随机因素。粒子群算法在这种随机搜索过程中,粒子最终会收敛于群体最优粒子。本文在增加随机性和粒子最优点更新的条件下,理论上证明了粒子的轨迹收敛于群体最优粒子位置。根据分析的理论结果,进一步说明了算法权重选择的原理。 (2)由于粒子轨迹最终收敛于群体最优粒子,本文定义一个粒子间的相似度概念,设计计算群体粒子的多样性的概念公式—聚集度—通过计算群体粒子与群体最优粒子的平均相似度,度量粒子群的多样性程度。根据群体聚集度及其与群体最优粒子相似度,每个粒子随机产生变异,由此,构造了一种对标准PSO算法的改进算法,提高算法的全局搜索能力、避免早熟收敛,有效地提高标准PSO算法的性能。 (3)标准PSO算法的权重是平衡算法全局搜索与局部搜索能力的参数,其取值影响算法的性能。标准PSO算法的权重采用从早期偏大到晚期偏小的线性递减方法,但每个粒子的权重大小一样。本文根据粒子与群体最优粒子的相似度,对不同粒子赋予不同权重,使每个粒子的权重不同,并且随着算法迭代而动态变化,这样构造一种权重动态变化的粒子群算法。经仿真实验验证,该方法有效。 (4)PSO算法的理论分析构造了一个数学模型,数学模型从数学角度清楚地体现算法本身的数学含义。本文利用此数学模型代替原始PSO算法速度及位置的更新公式,得到一种新的进化算法,并且分析新的进化算法参数的选择。新算法形式能直接体现PSO算法的数学思想。经仿真试验检验,新算法效果不会差于标准PSO算法。本文将新的算法应用于求解单交叉口信号灯的时间优化分配,实验仿真结果表明,本文的算法在静态环境下很有效的。 (5)二进制离散PSO算法为求解二进制的离散组合优化问题而构造一种PSO算法。本文从位改变率、速度的期望值及遗传算法模式概念等三个方面对其进行分析。本文得到:二进制PSO算法不收敛于群体最优粒子,其位值随着迭代运行而越来越随机。因此,二进制PSO算法缺乏局部探测性且具有偏强的全局开拓性。本文对原始二进制PSO算法进行改进,使其产生符合PSO算法思想(跟随群体最优粒子)的形式。将改进的方法应用于求解0/1背包问题。通过实验对比,新改进的二进制PSO算法提高了原始二进制PSO算法的性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 方峻;唐普英;任诚;;一种非对称互联型粒子群算法[J];计算机工程与应用;2006年32期
2 张晓明;王儒敬;;一种带逆反的粒子群算法[J];计算机科学;2006年10期
3 柳伯超;秦茂玲;刘弘;;改进粒子群算法在货物装载中的应用[J];信息技术与信息化;2006年05期
4 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期
5 邓伟林;胡桂武;;粒子群算法研究与展望[J];现代计算机;2006年11期
6 陈健;刘同玉;;混合区间粒子群算法[J];系统工程理论方法应用;2006年06期
7 王芳;雷开友;邱玉辉;;一种粒子群算法的多样性策略研究[J];计算机科学;2006年01期
8 车林仙;;基于粒子群算法的混沌系统快速控制[J];泸州职业技术学院学报;2006年03期
9 单汨源;吴娟;吴亮红;刘琼;;基于改进粒子群算法的资源受限项目进度研究[J];计算机工程与应用;2007年15期
10 童楠;符强;;一种域自适应型的粒子群算法[J];计算机与现代化;2007年05期
11 杨莹;;改进的混合粒子群算法[J];煤炭技术;2007年05期
12 张培颂;唐常杰;丁鑫鑫;徐开阔;白兰东;;基于划分和重分布的粒子群算法及优化策略[J];四川大学学报(自然科学版);2007年02期
13 肖力;;改进粒子群算法在物流配送问题中的应用[J];电脑与电信;2007年06期
14 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期
15 张建科;刘三阳;张晓清;;改进的粒子群算法[J];计算机工程与设计;2007年17期
16 陈金环;王冠;王东云;;粒子群算法及特性的研究[J];中原工学院学报;2007年04期
17 韩世芬;;基于免疫粒子群算法的车间作业调度问题[J];科技咨询导报;2007年25期
18 李士勇;李盼池;;求解连续空间优化问题的量子粒子群算法[J];量子电子学报;2007年05期
19 徐义春;肖人彬;;一种改进的二进制粒子群算法[J];模式识别与人工智能;2007年06期
20 刘瑞芳;王希云;;粒子群算法两种动力系统模型的收敛性研究[J];山西师范大学学报(自然科学版);2008年04期
中国重要会议论文全文数据库 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 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
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 王芳;粒子群算法的研究[D];西南大学;2006年
2 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
3 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
4 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
5 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
6 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
7 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
8 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
9 雷开友;粒子群算法及其应用研究[D];西南大学;2006年
10 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 张兰;量子粒子群算法及其应用[D];西北大学;2010年
2 随聪慧;粒子群算法的改进方法研究[D];西南交通大学;2010年
3 董银丽;一种新的交叉粒子群算法及其应用[D];西安电子科技大学;2006年
4 马楠楠;基于粒子群算法的化工过程优化及其应用[D];北京化工大学;2008年
5 徐青鹤;改进粒子群算法及其应用研究[D];杭州电子科技大学;2009年
6 郭香军;粒子群算法的改进研究[D];燕山大学;2012年
7 钟帅;基于粒子群算法的微博用户影响力研究[D];华中科技大学;2012年
8 方群;多目标拆卸线平衡问题的改进粒子群算法研究[D];西南交通大学;2014年
9 朱伟丰;改进粒子群算法最优路径的研究[D];重庆师范大学;2014年
10 孟令群;混沌粒子群算法在河流水质模型参数识别中的应用[D];长安大学;2009年
中国知网广告投放
 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