粒子群算法的改進與應(yīng)用

《粒子群算法的改進與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、太原理工大學(xué)碩士研究生學(xué)位論文appliedtoblindsourceseparation．ComparedtostandardPSO，theformerresultsofemulatorexperimentsneedfeweriterativetoseparatethemixedsignalsanditsstabilityishigher．(5)TheparticleswarlTlSoptimizationbasedonparticleevolutionisusedforsolvingnonlinearequations．Thealgor

2、ithmhasgoodconvergencereliabilityandCangetthesolvingresultsquicklyandaccurately．Thismethodovercomestheproblemsofsomealgorithms’sensitivitytotheinitialvalueandtheirneedfordifferentialoffunctions，anditCanfindthebestsolutionofnonlinearequationsquickly．Simulationresultsshowtha

3、tthealgorithmisfeasibleandeffective．Thisalgorithmprovidesapracticalmethodforsolvingnonlinearequations．KEYWORDS：particleswarlnoptimization(PSO)algorithm，evolutionarycomputation，swarmintelligence，blindsourceseparation(BSS)，systemofnonlinearequationsV聲明尸明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指

4、導(dǎo)教師的指導(dǎo)下，獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：—j斗址日期：吩．歲．“關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解太原理工大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與復(fù)印件；②學(xué)?？梢圆捎糜坝?、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)校可允許學(xué)位論文被查閱或借閱；④學(xué)校可以學(xué)術(shù)交流為：目的，復(fù)制贈送和交換學(xué)位論文；⑤學(xué)

5、?？梢怨紝W(xué)位論文的全部或部分內(nèi)容(保密學(xué)位論文在解密后遵守此規(guī)定)。簽名：衛(wèi)L1一·導(dǎo)師簽名：太原理工大學(xué)碩士研究生學(xué)位論文第一章緒論1．1粒子群優(yōu)化算法的研究目的和意義粒子群優(yōu)化(ParticleSwarmOptimization，簡稱PSO)算法是Eberhart和Kennedy【l】于1995年在對鳥群捕食行為模擬的基礎(chǔ)上提出的一種群集智能算法。該算法的基本思想是通過群體中個體之間的協(xié)作和信息共享來尋找最優(yōu)解。同其它的進化算法相比，PSO的優(yōu)勢在于算法簡單、容易實現(xiàn)和較強的全局優(yōu)化能力，而且沒有許多的參數(shù)調(diào)節(jié)。因此，粒子群優(yōu)化算法一

6、提出，立刻引起了進化計算等領(lǐng)域?qū)W者們的廣泛關(guān)注，在短短幾年時間里出現(xiàn)大量的研究成果，成為進化計算領(lǐng)域內(nèi)的一個研究熱點。隨著對粒子群優(yōu)化研究地不斷深入，學(xué)者們提出了多種改進的PSO算法，廣泛應(yīng)用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡(luò)訓(xùn)練，模式分類，模糊系統(tǒng)控制等多個領(lǐng)域，有著廣闊的前景。盡管如此，粒子群優(yōu)化算法無論是理論分析還是實踐應(yīng)用都尚未成熟，有大量的問題值得研究。目前對于粒子群優(yōu)化算法的研究主要分為三個方面：算法機制研究、算法改進研究和算法應(yīng)用研剄21，如圖1-1所示。其中算法機制研究主要包括：收斂性分析，復(fù)雜性分析和參數(shù)分析；算法改進研究主要有：加強局

7、部搜索，多樣性保持，算法融合和離散版本；而算法的應(yīng)用研究主要是：優(yōu)化問題，多目標問題，動態(tài)問題和實際應(yīng)用等。1．2研究的基礎(chǔ)粒子群優(yōu)化算法是一種較新的人工生命計算方法，是一種基于群集智能的進化計算‘11。由此可知，粒子群優(yōu)化算法的理論三基礎(chǔ)是一些交叉的學(xué)科，包括人工生命計算(ArtificialLifeComputation)、進化計算(EvolutionaryComputation)和群集智能(SwarmIntelligence)等。太原理工大學(xué)碩士研究生學(xué)位論文動態(tài)問題圖l—l粒子群優(yōu)化算法研究的主要內(nèi)容Fig．1-1Themainco

8、ntentofPSOalgorithmresearch1．2．1進化計算理論進化計算(EvolutionaryComputation)就是以達爾文的進化論為依據(jù)，在研究模擬自然進