收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

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

全海燕  
【摘要】: 本文提出分析和设计智能优化算法的一个创新论点:从搜索操作与搜索策略两个方面分析智能优化算法共有的特征,根据这些共性的特征,灵活地设计搜索操作和搜索策略,以实现智能优化算法更好的全局寻优能力和更强的搜索性能。 在搜索操作方面,本文提取出智能优化算法具有共同的特征——群体随机搜索。根据这一共同特征,本文首先在一个粒子群中建立粒子邻域区间,粒子邻域集合的概念,在此基础上,证明一个粒子邻域集合对目标空间的覆盖定理。随后,基于粒子邻域集合对目标空间的覆盖定理,提出一个粒子群的邻域随机搜索操作,构建一个随机游动粒子群。针对随机游动粒子群使用的邻域随机搜索操作,论述了邻域随机搜索操作的全局性要求。根据该全局性要求,进一步将随机游动粒子群发展为一个多角色的随机游动粒子群,以实现邻域随机操作能遍历整个目标空间。 在搜索策略方面,本文将智能优化算法中的搜索策略可分为选择竞争策略和启发学习策略两类。根据这一共同特征,本文利用多角色随机游动粒子群的多角色特性,混合选择竞争策略和启发学习策略,共同控制随机游动粒子群的邻域随机搜索,从而建立一个多角色的随机游动粒子群算法。其中,选择竞争策略采用了免疫机制中的克隆选择竞争策略,启发学习策略采用了基于精英邻域的启发学习策略。通过在邻域随机搜索操作中混合这两种策略,一方面利用竞争选择机制提高群体质量,另一方面利用启发合作机制平衡开采搜索和勘探搜索,使算法具有更好的搜索性能。 在建立了多角色随机游动粒子群算法后,本文从理论研究和仿真实验两方面论证了多角色随机游动粒子群算法的有效性与性能特点。 在理论研究方面,首先基于粒子群邻域集合覆盖定理和粒子群的随机邻域搜索操作,论证多角色随机游动粒子群算法具有全局搜索性能。其次,将多角色随机游动粒子群算法的搜索过程描述为一个Markov链,基于Markov链的收敛性定义,论证了多角色随机游动粒子群算法的收敛性。最后,分析了多角色随机游动粒子群算法的控制参数与算法性能的关系,将算法的控制参数统一为3个:随机游动粒子群的粒子数(m),一个粒子在目标空间一个维度上的平均克隆粒子数量(Np),局部邻域因子(lf)。给出了3个控制参数的选取标准和一般取值区间。 在仿真实验方面,本文广泛地选取了在智能优化算法性能测试中使用的30个测试函数,对多角色随机游动粒子群算法进行全面测试。首先,测试控制参数(m,Np,lf)在不同取值下对多角色随机游动粒子群算法性能的影响。其次,根据对30个测试函数的实验结果,与其它7个经典算法的结果进行了比较。 以上所有的测试结果均说明:1),在控制参数(m,Np,lf)的不同取值下,多角色随机游动粒子群算法均能稳定地收敛到30个测试函数的全局最优点或近全局最优点,表明多角色随机游动粒子群的邻域随机搜索具有稳定的、健壮的全局搜索性能。2),随机游动粒子群的粒子数(m)、一个粒子在目标空间一个维度上的平均克隆粒子数量(Np)、局部邻域因子(lf)三个参数分别反映了邻域随机搜索操作、克隆选择竞争策略和精英邻域启发学习策略对算法的影响,然而,这三个参数主要影响算法的收敛速度这一性能,对算法的全局搜索性能、稳定性和鲁棒性影响不大。根据优化函数的特性,合理选择适当的参数值,能有效地提高算法的收敛速度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 牛玉会;;基于粒子群算法在六峰驼背函数中的应用[J];当代经理人(下旬刊);2006年08期
2 邹长武;羊依金;丁恒康;张雪乔;;基于粒子群算法的GM(1,1)在经济发展预测中的应用[J];成都信息工程学院学报;2007年03期
3 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期
4 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期
5 陈永刚;牛丹梅;范庆辉;;粒子群算法在组合优化问题上的研究与发展[J];电脑与电信;2008年12期
6 刘胜利;刘鹏飞;;粒子群算法在黑盒测试中的应用[J];现代经济信息;2009年21期
7 邓璐娟;卢华琦;孙义坤;刁海港;;改进的粒子群算法在测试数据生成中的应用[J];计算机技术与发展;2010年07期
8 秦明明;王坚;姜雷;;基于改进粒子群算法的电力系统有功调度[J];微计算机信息;2010年19期
9 汲万峰;姜礼平;朱建冲;孙钧正;;基本粒子群算法和遗传算法用于航路规划的比较[J];火力与指挥控制;2011年06期
10 高尚,韩斌,吴小俊,杨静宇;求解旅行商问题的混合粒子群优化算法[J];控制与决策;2004年11期
11 岑翼刚,秦元庆,孙德宝,李宁;粒子群算法在小波神经网络中的应用[J];系统仿真学报;2004年12期
12 雍龙泉;张建科;张晓清;;求解一类随机优化问题的粒子群算法[J];武汉大学学报(理学版);2005年S2期
13 黄祎;孙德宝;秦元庆;;基于粒子群算法的移动机器人路径规划[J];兵工自动化;2006年04期
14 焦永昌;杨科;陈胜兵;张福顺;;粒子群优化算法用于阵列天线方向图综合设计[J];电波科学学报;2006年01期
15 张宝菊;单国全;齐名军;;求解非线性约束优化问题改进的粒子群算法[J];天津师范大学学报(自然科学版);2006年02期
16 宫琳;孙厚芳;赖国强;;基于混合算法的典型调度问题求解研究[J];组合机床与自动化加工技术;2006年06期
17 宋初一;姜明晨;时宏杰;姜艳清;姜静清;包德喜;;粒子群优化算法及其应用[J];内蒙古民族大学学报(自然科学版);2006年04期
18 张建科;刘三阳;张晓清;;飞行时间自适应调整的粒子群算法[J];计算机应用;2006年10期
19 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
20 李彦勤;郑彬彬;;粒子动力学演化算法在单目标优化中的应用研究[J];光盘技术;2006年06期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
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 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
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 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
4 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
5 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年
6 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
7 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
8 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
9 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011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 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
2 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
3 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
4 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
5 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
6 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
7 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
8 袁洲;基于改进粒子群算法的项目反应理论3PLM参数估计方法研究[D];吉林大学;2011年
9 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
10 朱秀敏;改进粒子群算法的研究及其在天线设计中的应用[D];太原理工大学;2011年
中国重要报纸全文数据库 前1条
1 记者 黄蔚 通讯员 蔡文兵;校内外导师领航学生科研[N];中国教育报;2011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