基于生态混合群体协同微粒群算法的研究

基于生态混合群体协同微粒群算法的研究

ID:31996503

大小:5.50 MB

页数:61页

时间:2019-01-30

基于生态混合群体协同微粒群算法的研究_第1页
基于生态混合群体协同微粒群算法的研究_第2页
基于生态混合群体协同微粒群算法的研究_第3页
基于生态混合群体协同微粒群算法的研究_第4页
基于生态混合群体协同微粒群算法的研究_第5页
资源描述:

《基于生态混合群体协同微粒群算法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据论文原创性声明本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特另tlDn以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本声明产生的法律后果由本人承担。论文作者签名:鱼型丝整日期:丝型堡塑型旦关于论文使用权的说明本人完全了解太原科技大学有关保留、使用学位论文的规定即:学校有权保留所送交的论文,可以采用影印、缩印或其他复制手段保存论文,允许论文被查询和借阅,以学术交流为目的,

2、学校可以公布论文内容。保密论文除外。签名:勿欢又欠签名:组爻欠伏lj期:趔l生三旦呈幽万方数据中文摘要微粒群算法是模拟自然界生物群体社会行为的群集智能优化算法,与其他进化类算法不同的是,它不仅利用位置信息,而且还利用速度信息对微粒的飞行轨迹进行控制。算法模型简单,易实现,同时具有较强的自组织性、自适应性和自学习能力,已被成功应用于各种工程领域。但是,随着求解问题复杂性的增加,标准微粒群算法模型表现出早熟、收敛效率低、全局收敛性能差等问题。本论文基于自然界生物群体之间的共生协作关系,在传统微粒群算法中加入协同进化思想,从群体协作

3、和微粒之间协作两个层面对微粒群算法加以研究,以提高算法的全局优化性能。(1)为提高算法的寻优效率,提出了一种基于生态混合群体的协同微粒群算法模型,借助主子群和从子群两个种群来实现。主子群实现全局粗粒度搜索,从子群依存主子群,在主子群搜索到的区域实现局部细粒度搜索,进化过程中,两个种群共享搜索信息,实现粗细互补搜索。函数优化的仿真实验表明,改进的基于生态混合群体的协同微粒群算法模型大大提高了算法的搜索效率和寻优性能,避免了早熟问题。(2)针对最优解区域未知,搜索空间不易确定的动态优化问题,在混合群体协同微粒群算法的基础上,提出了

4、一种自适应调整搜索空间的方法,根据微粒当前各向量在搜索空间感知的有效信息,自觉调整搜索范围,缩小目标搜索空间,来提高搜索效率。对线性非稳定系统逼近问题的仿真结果表明:混合群体协同搜索能有效减少群体的盲目搜索,提高算法的寻优效率。(3)将混合群体协同微粒群算法应用于动态环境中,利用Parabolic(抛物线)函数来构造动态环境,基于线性变化和随机变化的动态环境,研究算法对动态目标的跟踪能力。仿真结果表明,在两种动态环境中,通过混合种群协同搜索,在不同的环境变化步长情况下,算法在环境变化前后都能快速跟踪到最优点,是一种求解动态优化

5、问题的有效方法。关键词:微粒群算法;协同进化;线性系统逼近;动态优化万方数据万方数据ABSTRACTParticleswarmoptimizationisaswam—intelligence.basedalgorithm,whichsimulatesthebioticpopulationsocialbehaviorinthenature.Dif诧rent仔omotherevolutionaryoptimizationalgorithms,itemploysnotonlythepositioninformation,butals

6、othevelocityinformationtocontroltheparticles’trajectories.Thealgorithmmodelissimpleandeasytoimplement,andstrongabilityofself-organization,self-adaptationandself-study.Ithasbeenappliedtomanyengineeringfields.Withthecomplexityoftheproblemsincreasing,thestandardparticl

7、eswarmoptimizationshowsprematureconvergence,lowconvergenceefficiencyandpoorglobalconvergenceability.Basedonthesymbiosisrelationoftheanimalinthenature,thecooperativeCO—evolutionisaddedinthetraditionalparticleswarmoptimizationtoimprovetheglobaloptimizationability,whic

8、hstudiestheparticleswarmoptimizationfromtheswarmandtheparticleaspects.Firstly,Inordertoimprovethesearchefficiency,acooperativeparticleswar

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。