粒子群优化与其在传感器优化布置中的应用

粒子群优化与其在传感器优化布置中的应用

ID:32003484

大小:2.21 MB

页数:67页

时间:2019-01-30

粒子群优化与其在传感器优化布置中的应用_第1页
粒子群优化与其在传感器优化布置中的应用_第2页
粒子群优化与其在传感器优化布置中的应用_第3页
粒子群优化与其在传感器优化布置中的应用_第4页
粒子群优化与其在传感器优化布置中的应用_第5页
资源描述:

《粒子群优化与其在传感器优化布置中的应用》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、关于学位论文独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。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完成的,对所研究的课题有新的见解。据我所知,除文中特别加以说明、标注和致谢的地方外,论文中不包括其他人已经发表或撰写过的研究成果,也不包括其他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事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。在此本人郑重承诺:所呈交的学位论文不存在舞弊作伪行为,文责自负。学位申请人(学位论文作者)签名:201年月日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学

2、位。作为学位论文的作者,本人完全了解并同意河南大学有关保留、使用学位论文的要求,即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文(纸质文本和电子文本)以供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的,可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文(纸质文本和电子文本)。(涉及保密内容的学位论文在解密后适用本授权书)学位获得者(学位论文作者)签名:201年月日学位论文指导教师签名:201年月日摘要粒子群优化算法(PSO)是一种基于群智能的优化算法,其算法简单、收敛速度快、全局搜索能力

3、较强,仅需调整少量参数,并且在不同的优化问题中具有较为广泛的适用性,因此自提出以来就受到诸多学者的广泛关注。目前,该算法已被成功应用在函数优化、组合优化、神经网络训练、模式识别、模糊系统控制等领域。由于粒子群优化算法起源于对自然界中生物群落的行为的模拟,并不具备严格的理论基础,普遍存在早熟收敛等缺陷。本文针对粒子群算法存在的缺陷提出一些改进策略,并应用于古建筑传感器优化布置中,取得了较好的效果。主要研究工作如下:1.分析了惯性权重对粒子群优化算法的影响,进行了在迭代次数相同的情况下不同惯性权重对算法的性能分析。针对粒子群算法在平衡全局搜索和局部搜索之间的矛盾

4、,提出了基于余弦自适应调整惯性权重的粒子群优化算法(CW-PSO),该算法在迭代过程中自适应地选择不同的惯性权重来调整粒子的搜索方向和速度。测试结果表明,该算法在一定程度上提高了算法的全局寻优能力,并且不易陷入局部最优,较好地控制了其在全局寻优和局部寻优的平衡能力。2.针对粒子群算法在迭代过程中种群的多样性迅速下降,从而导致算法的局部收敛这一问题,提出了基于双种群策略的粒子群算法(DP-PSO)。该算法将原种群分为精英群和大众群两个子群,在每个群中分别进行不同的进化策略,同时为了维持粒子的差异性,设定一个更新周期,每隔一个更新周期两种群进行交叉,实现信息共享

5、,协同进化。求解结果表明,该算法有效避免了粒子的多样性下降,同时合适的更新周期也能保证算法达到更好的收敛效果。3.以《保国寺大殿科技保护信息系统》为工程应用背景,将CW-PSO算法用于古建筑环境传感器优化布置中,并设计了合理的适应度函数。算法的输出结果基本符合专家建议,也进一步对算法进行了验证。关键词:粒子群优化算法;惯性权重;多种群;传感器优化布置IABSTRACTParticleSwarmOptimization(PSO)isanoptimizationalgorithmbasedonswarmintelligence,itissimple,hasfas

6、tconvergenceabilityandstrongglobalsearchabilityandonlyneedtoadjustafewparameters,andhaswideapplicabilityindifferentoptimizationproblems.Soitwasconcernedwidelybymanyscholarssinceitwasproposed.Atpresent,thealgorithmhasbeensuccessfullyappliedinfunctionoptimization,combinatorialoptimiz

7、ation,neuralnetworks,patternrecognition,fuzzysystemcontrolandmanyotherfields.However,theparticleswarmoptimizationalgorithmoriginatedfromthesimulationofnaturebiomesbehavior,itdoesnothaveastricttheoreticalbasisandhavetheprevalenceofprematureconvergenceandotherdefects.Inthispaper,Aimi

8、ngatthedefectsoftheparticl

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。