结合学习策略粒子群优化算法及应用的研究

《结合学习策略粒子群优化算法及应用的研究》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、创新性声明本人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，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。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做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：墨趔日期坦』2：2：堡关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读

2、学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表的论文与本论文工作成果有关时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)。本人授权西安电子科技大学图书馆保存学位论文，并同意将论文在互联网上发布。本人签名：苫孑：争尹导师虢虹潋日期冱!】：至堡摘要lIMIIIMIIMHIIIIMTIIIl’Y2380781受自然现象和达尔文进化论思想的启发，遗传

3、算法、蚁群算法、粒子群优化算法、人工免疫系统、以及差分进化算法等智能优化算法相继产生，并在数值优化、决策支持、过程控制、电路设计、图像处理、数据分类、机器人技术和复杂自动化任务等领域获得了广泛的应用。粒子群优化算法是一个相对较新的智能优化算法，模仿兽群、鱼群、鸟群等群体行为来进行搜索。粒子群优化算法概念简单，容易实现，且收敛速度较快，已经得到了广泛的应用，但标准粒子群优化算法在寻优过程中很容易陷入局部最优，出现早熟现象，因而出现了很多改进的粒子群优化算法。粒子群优化算法目前在理论上和实践上尚未成熟，如何更好地防止算

4、法陷入局部最优并提高算法的优化精度，一直是一个需要研究的重要内容。本文介绍并分析了粒子群优化算法及其改进算法，并提出了两个改进的粒子群算法。本文主要工作如下：(1)针对已有改进粒子群优化算法所存在的缺陷，提出了协同混沌粒子群优化算法。该算法借鉴混沌理论，引入具有对初值不敏感、易跳出局部最优、搜索速度快、计算精度高、全局渐进收敛等特点的混沌搜索算法，采用混沌的轨迹进行粒子的搜索，在引入协同进化的思想，交互粒子间同一分量的内部信息，对混沌产生的精英种群进行逐维优化。为保持种群多样性，其余粒子保持不变，因为种群中的所有粒

5、子都是由精英种群的指导而进化的，所以将此协同策略用在精英种群的进化中会明显的提高算法的性能。在基准函数上的对比实验表明，该方法加快了收敛速度。(2)提出了一种带有局部学习策略的混合离散粒子群优化算法应用于数据的特征选择。粒子群优化算法目前被广泛应用于连续优化问题的求解，但现实很多问题是离散化的，因此设计离散的粒子群优化算法引起了学者的广泛关注和研究。本文提出了一种求解数据特征选择的离散粒子群算法，将进化算法里面的变异引入到粒子群算法里面，结合单精英策略和前向贪婪局部学习策略，算法具有很强的鲁棒性。算法在8个UCI数

6、据集上表现出出色的性能，与3个经典特征选择算法的对比试验证明了所提算法的高有效性。(3)阐述了复杂网络社区检测理论，提出了一种解决社区检测问题的带有邻居学习策略的粒子群算法。在算法中引入了邻居占优局部搜索算子，算法的性能有很大提高，在人工数据集和真实数据集上的实验证明了算法的可靠性。关键词：粒子群优化，混沌理论，协同机制，特征选择，社区检测，局部学习摘要IAbstractInspiredbynaturephenomenonsandDarwinevolutionarytheory,geneticalgorithm，a

7、ntcolonyalgorithm，particleswarmalgorithm，artificialimmunesystem，differentialevolutionaryalgorithm，etc．，haveemergedandfoundtheirnmionwideapplicationsinnumericaloptimization，decisionmaking，processcontrolling，circuitdesigning，imageprocessing，dataclassification，ro

8、bottechniqueandautomationindustry．Particleswarmoptimizationisarelativelynewintelligentoptimizationmethodwhichimitatesfishschoolingandbirdflocking．Conciseconcept，easyimplementationa