基于双种群的改进粒子群优化算法-研究

《基于双种群的改进粒子群优化算法-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、磺士学位论文第一章绪论20世纪90年代出现的群智能算法作为一种新兴的演化计算技术，已成为越来越多研究者的关注焦点。经过近lO年的发展，群体智能算法凭借其简单的算法结构和有效的问题求解能力，取得了大量的成果。粒子群算法作为群体智能算法中的一种，具有传统算法所不可比拟的优点。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他应用领域。虽然粒子群算法是一种很有潜力的群智能算法，但是目前在理论、应用和数学基础上的研究还很不够。针对粒予群算法存在的一些问题，对其进行深化研究并解决其容易陷入局部最优的不足，是

2、一个很有意义的工作．本文在对基本粒子群算法进行深入分析以后，针对其存在的缺陷，提出一种基于双种群的改进粒子群算法。两个种群不同的运动方式和轨迹，以及针对种群间的合作与竞争设计的信息交换机制，使得算法性能能够得到改进。1．1研究背景及意义群智能是一种基于生物群体行为规律的计算技术，它受社会生态系统，例如蚁群、蜂群、鸟群和鱼群等的启发，来解决分布式问题。在研究自然界的生物群体系统时，研究者会惊奇地发现，这种群体系统所拥有的鲁棒性和高超解决问题能力，仅仅是依靠一套在个体间和个体与环境问简单的交互规则就可以产生。这

3、些群体生物通过合作，依靠集体的力量可以完成看起来很复杂的任务。这种自然系统解决问题的能力，要优于彼此分离的个体所组成的系统．群智能(SwarmIntelligence,SI)中的群体指的是“一组相互之间可以进行直接通信或者间接通信(通过改变局部环境)的主体，这些主体能够通过合作进行分布式问题的求解”．1992年，Beni、Hackwood和Wang在分子自动机系统研究中最早提出群智能的概念【¨．之后，Holland正式提出复杂适应系统(ComplexAdaptiveSystem,CAS)理论[25l，其基本

4、观点是；主体能够与环境以及其它主体进行交流，在这种交流过程中学习或积累经验，并且根据学到的经验改变自身的结构和行为方式。1999年，Bonabeau、Dorigo和Theranlaz在{SwarmIntelligence：FromNaturaltoArtificialSystems}对群智能进行了定义：任何一种由昆虫群体或其它动物社会行为机制而激发设计出的算法或分布式解决问题的策略均属于群智能[41．硕士学位论文第一章绪论2001年，JamesKennedy和RttssellC．Eberhart在(Swar

5、mIntelligence}中认为人的智能是源于社会性的相互作用【5l。这是群智能发展的重要历程碑。与大多数基于梯度优化的算法不同，群智能是一种概率搜索算法。群智能有如下特点和优点：群体中相互合作的个体是分布的(Distributed)，这样更能够适应当前网络环境下的工作状态。没有中心的控制与数据，这样的系统更具有鲁棒性(Robust)，不会由于某一个或者某几个个体的故障而影响整个问题的求解。可以不通过个体之间直接通信，而是通过非直接通信进行合作，这样的系统具有更好的可扩充性(Sealability)。由于

6、系统中个体的增加而增加的系统通信开销在这里是十分小的，系统中每个个体的能力十分简单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性(Simplicity)。群智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂分布式问题的解决方案提供了一种新的思路。事实上，群智能方法能够被用于解决大多数优化问题，或者能够转化为优化求解的问题。目前，群智能的应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别、信号处理、机器人控制、决策支持以及仿真和系统辩识等领域。无论是从理论研究还是从应用研究的角度分

7、析，群智能理论及应用研究都具有重要学术意义和现实价值。群智能理论研究领域主要有两种算法：蚁群算法和粒子群优化算法：(1)1991年M．Dorigo等人通过人工模拟蚂蚁搜索食物的过程，提出了蚁群算法(antColonyOptmlization．AC0)的思想删。蚁群算法是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。M．Dorigo等人应用该算法求解TSP问题、分配问题，取得了较好的结果。蚁群算法是模仿蚂蚁依赖信息素(pheromone)进行通信而显示出的社会性行为。分析蚂蚁搜寻食物的过程可以发

8、现：在蚂蚁群找到食物时，它们总能找到一条从食物到巢穴之间的最优路径。其寻径过程的特点是：①蚂蚁在寻找路径时会在路径上释放出一种特殊的信息素；②当它们碰到一个还没有走过的路口时，就随机地挑选一条路径前行，与此同时释放出与路径长度有关的信息素，路径越长，释放的激索浓度越低；③后来的蚂蚁再次碰到这个路口的时候，选择激素浓度较高路径概率就会相对较大；④最优路径上的激索浓度越来越大，而其它的路径上激素浓度却会随着时间的流逝