粒子群優(yōu)化算法的幾種改進(jìn)算法與應(yīng)用

《粒子群優(yōu)化算法的幾種改進(jìn)算法與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、論文審閱認(rèn)定書研究生魯姝穎在規(guī)定的學(xué)習(xí)年限內(nèi)，按照研究生培養(yǎng)方案的要求，完成了研究生課程的學(xué)習(xí)，成績合格；在我的指導(dǎo)下完成本學(xué)位論文,經(jīng)審閱，論文中的觀點(diǎn)、數(shù)據(jù)、表述和結(jié)構(gòu)為我所認(rèn)同，論文撰寫格式符合學(xué)校的相關(guān)規(guī)定，同意將本論文作為學(xué)位申請論文送專家評(píng)審。導(dǎo)師簽字：年月日萬方數(shù)據(jù)致謝多少個(gè)不眠之夜、多少次程序調(diào)試的失敗終于換來了碩士論文的完稿，這其中的辛酸苦辣令人終身難忘。碩士三年多來，每一點(diǎn)進(jìn)步無不凝結(jié)著導(dǎo)師的心血，從論文的選題，到論文的進(jìn)展，到論文的完成，導(dǎo)師無時(shí)不在督促、引導(dǎo)、指點(diǎn)迷津。在此，謹(jǐn)向?qū)煵艿滦澜淌诒硎局孕母兄x！曹老師

2、淵博的專業(yè)理論知識(shí)、敏銳的學(xué)術(shù)洞察力、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、執(zhí)著的敬業(yè)精神、認(rèn)真求實(shí)的工作作風(fēng)、寬厚博大的仁愛胸懷、平易近人的學(xué)者風(fēng)范，將使我終身受益。感謝理學(xué)院的各位授課老師，特別感謝計(jì)算數(shù)學(xué)方向的邵虎老師、王海軍老師、陳興同老師在多方面的指導(dǎo)、支持和幫助！感謝一起上課的同學(xué)們，特別感謝孔鏡、王楨、楊家?guī)X、陳飛等同學(xué)，他們在課題討論中給了我很多有益的啟發(fā)和幫助。尤其是與孔鏡的友好相處，使我始終處在一個(gè)生活、學(xué)習(xí)、科研的最佳氛圍之中！感謝我的舍友，在生活中帶給我許多的幫助和快樂！感謝求學(xué)過程中以及論文寫作過程中給過我?guī)椭母魑粠熜帧熃?、師?/p>

3、、師妹！感謝我的家人，在我遇到困難和意志消沉?xí)r是他們的鼓勵(lì)與關(guān)愛，給予我繼續(xù)努力的斗志和力量。最后，真心感謝所有曾給予我鼓勵(lì)、支持和幫助的親人、朋友和同學(xué)！真心地祝福您們！萬方數(shù)據(jù)摘要粒子群優(yōu)化(ParticleSwarmOptimization,PSO)算法是群體智能中的一個(gè)重要分支。由于PSO算法具有概念簡單、控制參數(shù)少、易實(shí)現(xiàn)、收斂速度快、適用性強(qiáng)等特點(diǎn)，所以一經(jīng)提出便引起了眾多研究者的關(guān)注，并且將其成功地應(yīng)用到了很多領(lǐng)域，例如組合優(yōu)化、網(wǎng)絡(luò)優(yōu)化、生產(chǎn)調(diào)度等領(lǐng)域。本論文簡要介紹了PSO算法的相關(guān)基本概念，在分析PSO算法的工作原理

4、的基礎(chǔ)上，針對(duì)算法執(zhí)行過程中出現(xiàn)的早熟現(xiàn)象，結(jié)合國內(nèi)外PSO算法的研究歷史與現(xiàn)狀，提出了幾種改進(jìn)算法，主要研究內(nèi)容包括：1)粒子群優(yōu)化算法在求解一些多峰函數(shù)或具有多個(gè)局部最優(yōu)解的復(fù)雜優(yōu)化問題時(shí)，最優(yōu)粒子會(huì)導(dǎo)致種群收斂于局部最優(yōu)解，使得算法收斂速度和搜索性能有所下降。為了解決這一問題，本章提出了基于平均評(píng)價(jià)值動(dòng)態(tài)調(diào)整步長因子的改進(jìn)粒子群優(yōu)化(SAUPSO)算法。對(duì)于某一維上性能較好的粒子，引入步長因子，來調(diào)整粒子的下一步速度。在步長因子的選擇中考慮了平均評(píng)價(jià)值對(duì)選擇概率的影響，目的是使那些評(píng)價(jià)值差，卻具有較好的進(jìn)化趨勢的粒子得以保留和運(yùn)用

5、。數(shù)值實(shí)驗(yàn)的結(jié)果表明，與PSO算法相比，SAUPSO算法具有更好的搜索性能。2)大多數(shù)蝙蝠通過收縮喉嚨所發(fā)出的聲音實(shí)現(xiàn)“回聲定位”，把蝙蝠捕食的思想引入到粒子群優(yōu)化算法中提出了一種基于頻率確定搜索范圍的改進(jìn)粒子群優(yōu)化(BAPSO)算法。算法賦予每個(gè)粒子不同的頻率，用頻率確定搜索范圍，然后用脈沖發(fā)射率對(duì)最優(yōu)解的周圍區(qū)域進(jìn)行精細(xì)搜索。最后，對(duì)五個(gè)測試函數(shù)進(jìn)行數(shù)值實(shí)驗(yàn)，結(jié)果證明了改進(jìn)后的算法的可行性和有效性。3)針對(duì)混沌粒子群優(yōu)化算法可能存在的早熟問題，提出了一種位置自適應(yīng)變異的改進(jìn)混沌粒子群優(yōu)化(MCPSO)算法。改進(jìn)算法賦予每個(gè)粒子不同的

6、變異效力，以便決定何時(shí)進(jìn)行變異。另外，通過均勻擾動(dòng)和高斯擾動(dòng)對(duì)每個(gè)個(gè)體的當(dāng)前位置進(jìn)行變異，一方面防止尋找到的最優(yōu)解長時(shí)間沒有變化或者變化非常小，提高了跳出局部最優(yōu)解的可能性，使獲得全局最優(yōu)點(diǎn)的概率有所提高。另一方面，提高了算法后期的局部搜索能力。數(shù)值實(shí)驗(yàn)結(jié)果表明，與CPSO算法相比，MCPSO算法的性能有了比較大的提高。4)近幾年，將粒子群優(yōu)化算法應(yīng)用到離散組合優(yōu)化問題中的研究頻頻出現(xiàn)。本文將提出的三種改進(jìn)粒子群優(yōu)化算法應(yīng)用在求解背包問題上，并分別用兩組仿真數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，相比PSO算法，改進(jìn)的粒子群優(yōu)化算法能收斂到最優(yōu)解，

7、而且收斂速度有所提高。該論文有圖25幅，表12個(gè)，參考文獻(xiàn)63篇。關(guān)鍵詞：群體智能；粒子群優(yōu)化算法；步長因子；頻率；雙重變異；背包問題I萬方數(shù)據(jù)AbstractParticleSwarmOptimization(PSO)algorithmisanimportantbranchofswarmintelligence.Duetoitssimpleconcept,simplicityofimplementation,lessparametertocontrolandrapidconvergencespeed.Onceithasarousedw

8、idespreadconcern,andimprovedbymanyresearcherstoinvestigate.PSOalgorithmhasbeenwidelyappliedinboththeore