收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

一种拓展的文化算法

郑高远  
【摘要】: 计算智能(Computational Intelligence)是进化计算和人工神经网络以及模糊系统理论一起形成的一个新的研究的方向。在计算智能领域里有一类用来模拟生物群体智能的行为的研究,称为是群体智能(Swarm Intelligence)。从20世纪90年代初就产生了很多用于模拟自然界中的自然生物的群体(Swarm)行为的优化的技术。Dorigo等从生物进化行为的机理中受到启示,通过用来模拟蚂蚁的寻径行为而提出了的蚁群优化方法(Ant Colony Optimization);Fberhart和]Kennedy于1995年提出的名为粒子群优化算法(Particle Swarm Optimization,简称PSO)就源于对自然界中的鸟群的捕食行为的研究,粒子群优化(PSO)最初是用来处理连续性的优化问题的;Reynolds于1994年提出了的名为文化算法(Cultural Algorithm)。文化算法的提出是为了将在进化计算系统中,随时间的不断增长不断累积经验的个体成分的进化行为建立相应的模型。上述说的这三种算法都是在基于群体的演化算法的基础上,并且通过群体相互之间的个体社会来交互共享的信息。 为了提高基础文化算法的并行的计算能力,同时为了提高粒子群优化(PSO)算法的计算的精度与计算的效率。在本文中,综合运用上述两种算法的特点,一种新的拓展的文化算法被提了出来。它就是把粒子群的群体的空间纳入到文化算法的框架内,将文化算法的群体空间分成若干个小的群体的空间,并使其与之相应的由模糊系统来控制的惯性权重所构成的若干个小的信念空问,这样子以来,他们就一起行成构成了文化算法的大的信念空间。其中,每个小的群体的空问就有了自己的独特的进化方式,并且定期把好的知识拿来贡献给小的信念空间共享到大的信念空间,在大的信念空间再经过演化以独特的影响函数的形式反馈给下面的相应的群体空间,在这样的情况下,就形成了文化算法的“双演化双促进”机制。 本文的主要研究成果及贡献如下: 提出了一种新的拓展的基于模糊与粒子群算法结合的拓展文化算法。它把粒子群中的群体空间纳入到文化算法的群体空间,并且将模糊控制系统纳入到文化算法中的信念空间,并推广到多群体多信念空间之间的“双演化双促进”,不仅提高了相比粒子群算法的计算效度,而且还提高了文化算法中的并行计算的能力。在通过对一系列标准测试函数的仿真之后,结果说明了该方法有着更好的性能去找到全局最优,特别是在所需处理问题的维数比较高时,效果更加明显。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 马慧民;叶春明;;基于文化进化的并行粒子群算法[J];计算机工程;2008年02期
2 陈建成;屠昂燕;;基于粒子群算法的织物组织结构识别[J];湖北第二师范学院学报;2010年02期
3 付国江,王少梅,刘舒燕,李宁;含边界变异的粒子群算法[J];武汉理工大学学报;2005年09期
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
20 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
中国重要会议论文全文数据库 前10条
1 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
2 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
3 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
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 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 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
9 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
10 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
中国博士学位论文全文数据库 前10条
1 秦全德;粒子群算法研究及应用[D];华南理工大学;2011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 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
4 田野;粒子群优化算法及其应用研究[D];吉林大学;2010年
5 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
6 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年
7 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
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 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年
10 赵吉;群体智能算法研究及其应用[D];江南大学;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 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
3 郑高远;一种拓展的文化算法[D];兰州大学;2010年
4 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
5 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
6 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
7 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
8 管月智;粒子群算法的研究与应用[D];江南大学;2011年
9 兰任;基于并行混合粒子群算法的蛋白质结构预测[D];大连理工大学;2010年
10 杨琳;基于自适应混沌粒子群算法的多目标无功优化研究[D];东北电力大学;2011年
中国重要报纸全文数据库 前10条
1 兴业期货 秦小坡;基于PSO算法的二维动量空间在股指期货上的应用[N];期货日报;2010年
2 盛广耀;城市经济学前沿问题[N];中国社会科学院院报;2007年
3 执笔 盛广耀;人文社会科学前沿扫描[N];中国社会科学院报;2008年
4 刘延斌 作者单位:神马氯碱公司团委;“住宅小区规划”之我见[N];平顶山日报;2005年
5 通讯员 赵萌邓伯阳 记者 段丽茜;城镇面貌3年大变样活动全面启动[N];河北日报;2008年
6 记者 商棠通讯员 赵萌 邓伯阳;全省城镇面貌三年内要“大变样”[N];河北经济日报;2008年
7 丁玲通讯员 李梅;济南楼市倡导提升生活品质[N];中国建设报;2008年
8 刘春台;棉花营养枝巧利用[N];河南科技报;2008年
9 本报记者 程鸿;把服务作成产品[N];计算机世界;2002年
10 赵国范;中荷联手生产甜菜种子[N];农民日报;2001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