智能粒子群优化算法的研究

《智能粒子群优化算法的研究》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、国内图书分类号：TP393国际图书分类号：681.3.06工学博士学位论文智能粒子群优化算法研究博士研究生：高芳导师：崔刚教授申请学位级别：工学博士学科、专业：计算机系统结构所在单位：计算机科学与技术学院答辩日期：2008年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP393U.D.C.:681.3.06DissertationfortheDoctoralDegreeinEngineeringRESEARCHONINTELLIGENTPARTICLESWARMOPTIMIZATIONALGORITHMCandidate:GaoFangS

2、upervisor:Prof.CuiGangAcademicDegreeAppliedfor:DoctorofEngineeringSpeciality:ComputerArchitectureAffiliation:SchoolofComputerScience&TechnologyDateofDefence:JUNE,2008Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要随着科学技术的发展，国民经济和国防科技等领域的生产过程越来越离不开优化设计，尤其是大量的高、精、尖产品，更需要

3、性能非常优越的优化方法。粒子群算法具有原理简单、参数少、易实现及收敛速度快等特点，该方法对于不同类型问题具有较广泛的适应性，并很快在多个领域被有效地应用。粒子群算法作为一种新的智能算法，存在着迭代初期易出现早熟、迭代后期收敛速度变慢等问题，在应用拓展上也依赖于具体问题。为此，本文对粒子群优化算法进行了深入的理论分析，面向连续优化问题和组合优化问题，针对算法所存在的问题提出几种相应的改进新算法，并将其应用到具体工程实践中。在单目标连续优化方面，本文提出将多种群思想引入到粒子群优化算法中，提出了一种双层多种群粒子群优化新算法，该算法实现粒子群优化算法的群体拓展和

4、双并行运行机制，这样可以针对性地提高粒子群算法的全局搜索能力，同时采用不同粒度的多子群并行机制和种群间的双向最优信息流动也提高了该算法的局部搜索能力。通过对多个多峰、欺骗性典型函数的测试验证了上述算法的有效性，进一步通过对机器人结构参数的优化实例验证了本算法的实用性。粒子群算法后期收敛速度较慢的主要原因是群体中各个个体极值更新缓慢。为此本文提出一种粒子位置择优更新的粒子群算法。利用粒子位置的可择优更新，就是使每个粒子在每步迭代时都可以从3个备选点中选择最佳点进行更新，增加了粒子找到更好位置的概率，提高了个体极值乃至全局极值的更新速率，以极小的时间代价提高了算

5、法的效能。通过六个典型测试函数和移动机器人路径规划的实例对该算法的实用性和有效性进行了验证。多目标约束优化一直是优化领域中的瓶颈问题，除需处理多个目标外，还存在着约束处理影响计算效率的问题。粒子群算法只保留最优信息，对邻近最优点的不可行解缺乏智能性的判断和保留机制，在解决多目标优化问题中效果不理想。而文化算法由于具有基于文化的信仰空间和群体空间的双并行机制，特别适合处理约束优化问题。为此本文提出一种求解多目标约束优化问题的双层次进化的文化粒子群算法。新算法在群体空间采用改进的粒子群算法，并采用直接比较法处理约束条件，避免了传统罚函数方法存在的缺点。在算法迭代

6、过程中随时调整不可行解参数，使解集中不可行解保持在一定的比例范围内，维持了种群的多样性，进一步避免算法陷入“早熟”，提高了算法全局搜索能力。－I－哈尔滨工业大学工学博士学位论文信仰空间接收群体空间中的精英粒子，并采用了交叉操作和小生境Pareto竞争策略保证所产生的最优解集能够均匀地分布在Pareto前沿。最后采用两个测试函数和一个工程减振器的优化设计实例对此算法进行了验证，测试和实例计算表明该算法是一种快速、有效的多目标优化方法。组合优化问题具有广泛的应用背景，它的目标是寻找解空间中离散状态的最优组合。离散粒子群算法为求解这类问题提出了一种新方法，本文针对

7、基本离散粒子群优化算法存在的易于陷入局部最优解、求得的解的精度不高的缺点，提出了两种具体改进新算法：以典型的01背包问题为研究对象，基于生物病毒机制和宿主与病毒基于感染操作等思想，提出一种解决单目标组合优化问题的病毒协同进化离散粒子群优化新算法。该算法利用病毒的水平感染和垂直传播能力提高粒子群算法的性能。实验证明，病毒感染操作成功地增强了对解空间的局部搜索功能，使求解精度明显优于其它几种算法。以典型的虚拟企业中的伙伴选择问题为应用背景，研究将离散粒子群算法应用到多目标组合优化问题。基于改变粒子速度策略提出了粒子速度阈值可调的离散粒子群优化新算法。该算法通过引

8、入随迭代过程逐步变小的适应性可调速度阈值参数来平衡全