粒子群算法与工程优化

粒子群算法与工程优化

ID:31990047

大小:541.85 KB

页数:81页

时间:2019-01-30

粒子群算法与工程优化_第1页
粒子群算法与工程优化_第2页
粒子群算法与工程优化_第3页
粒子群算法与工程优化_第4页
粒子群算法与工程优化_第5页
资源描述:

《粒子群算法与工程优化》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、上海交通大学硕士学位论文———————————————————————————————————————————————effectivetool,wepresentaneweffectivemethodtoshootconstrainedoptimizationproblem:PSOusingdynamictopologyforconstrainedoptimizationproblems.5.Lastbutnottheleast,wegiveaworkshopschedulingproblemintheChapterV.Thisproblem

2、isatypicalmulti-objectiveoptimizationproblemwithconstrainedcondition.Onthebasisoftheresultintheabove3chapter,wefindan“a-pill-cure-all”solutiontothischallengingproblem.Theexperimenttestifyithighefficiencyandvalidity.Inconclusion,thewholeresearchcontentsweresummarizedandfurthe

3、rresearchhotissueswerepointedout.KeyWords:PSO,Hybridoptimization,BFGS,topology,workshopscheduling,multi-objective,constrainedoptimizationtongxixi@sjtu.edu.cn6上海交通大学硕士学位论文———————————————————————————————————————————————上海交通大学学位论文原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除

4、文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:童瑿日期:2007年02月25日tongxixi@sjtu.edu.cn1上海交通大学硕士学位论文———————————————————————————————————————————————上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,

5、允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□,在年解密后适用本授权书。本学位论文属于不保密√。(请在以上方框内打“√”)学位论文作者签名:童瑿指导教师签名:吴智铭日期:2007年02月25日日期:2007年02月25日tongxixi@sjtu.edu.cn2上海交通大学硕士学位论文———————————————————————————————————————————————第一章粒子流算法的基础1.1引言:1995年,Kenne

6、dy和Eberhart等[1][2]在对一个简化社会模型模拟的基础上提出了一种新型的演化计算技术----粒子群算法(PSO算法)。“群”一字来源于Millonas[3]在开发人工生命模型时提出的群体智能应有的5个基本原则,而“微粒”一词源于群中的成员是没有质量,没有体积的抽象粒子,同时这些粒子又具有速度和加速度状态。因为粒子群算法概念简单,实现容易,在短短的几年时间内,PSO算法就获得了很大的发展,并在一些领域中得到了广泛的应用。目前已被“国际演化计算会议(CEC)”列为讨论专题之一。本章首先介绍PSO算法的标准版本,然后根据一些测试结果对其参

7、数设置进行讨论,给出一些常用的测试函数。随后讨论现有的一些非标准的改进手段,并给出一些与其它演化算法的比较,以及PSO算法的应用例子。在讨论经典自适应算法的基础上,提出了作者对粒子群算法的改进策略,并对其进行了分析。粒子群算法源于对鸟群捕食行为的研究,同遗传算法相类似,也是一种基于迭代优化的算法。系统初始化为一组随机解,通过迭代搜寻最优解。但是并没有遗传算法使用的交叉和变异算子,而是通过模拟粒子在解空间追寻最优粒子而进行搜索。同遗传算法相比较,PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化,神经网络训练以及其它曾

8、广泛应用遗传算法的领域。粒子群算法的背景来源于人工生命,“人工生命”是来研究具有某些生命基本特征的人工系统,人工生命包括两方面的内容:一是研究如何利用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。