动态拓扑两阶段微粒群算法及多态系统可靠性优化

发布时间：2017-07-18 02:08

  本文关键词：动态拓扑两阶段微粒群算法及多态系统可靠性优化

  更多相关文章： 微粒群算法 作用力规则 种群拓扑结构 多态系统 可靠性优化

【摘要】：实施供给侧结构性改革,加快产业结构优化升级是贯穿十三五规划的主线,这就需要发展一批技术水平高、带动能力强的企业推动产业迈向中高端水平。秉承精益生产、提质增效的发展理念是企业提高自身竞争力的关键,企业需要对实际生产中的各个环节进行优化,而可靠性优化技术是企业提高产品性能和稳健性的关键技术。因此,寻求高效的可靠性优化方法,对于企业来说涉及巨大的经济效益。微粒群算法作为典型的群体智能优化算法,已成功运用在了复杂的可靠性优化问题上,但算法自身存在早熟收敛的缺点降低了优化结果的精度。因此,本文围绕微粒群算法的改进及其在实际可靠性优化中的应用展开研究。首先,针对单一作用力规则易使标准微粒群算法陷入局部最优和早熟收敛,从微粒间的信息交互机制角度研究改进算法,提出两阶段微粒群算法。基于阶段性搜索策略将搜索过程分为两个阶段,分别构造符合算法阶段性搜索特点的作用力规则。通过标准优化测试函数对所提算法的优化性能进行测试,并将测试结果与其他改进微粒群算法进行对比,验证了所提算法具有较好的优化能力。其次,研究了静态种群拓扑结构对两阶段微粒群算法性能的影响,通过选取结构特征不同的全连接型、环形、NW小世界网络拓扑结构,分析了在3种静态种群拓扑结构下算法种群多样性和优化性能的变化情况,归纳出种群拓扑结构特征与算法性能的关系,为研究适合于两阶段微粒群算法的动态种群拓扑结构奠定了基础。进而,为真实模拟生物个体间趋利避害的动态交互行为,以生物群体在社会行为中表现出的自组织性和生物界优胜劣汰现象为出发点,研究了一种以微粒适应度驱动加边操作和节点删除、重构操作的动态种群拓扑结构,并以并行的方式将种群结构演化与算法进化相结合,提出动态拓扑两阶段微粒群算法。最后,对多态系统可靠性优化中的冗余分配问题建立优化模型,并以串并联多态系统和桥式多态系统为例,运用动态拓扑两阶段微粒群算法对其进行求解。优化结果表明,本文所提算法能够在满足系统可靠性要求的前提下降低系统的设计费用。
【关键词】：微粒群算法 作用力规则 种群拓扑结构 多态系统 可靠性优化
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F273;TB114.3
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-22
• 1.1 课题研究背景及意义11-12
• 1.2 多态系统可靠性优化12
• 1.3 微粒群算法的研究现状12-19
• 1.3.1 概述12-14
• 1.3.2 速度更新策略14-16
• 1.3.3 种群拓扑结构16-18
• 1.3.4 动态种群规模18
• 1.3.5 小结18-19
• 1.4 课题来源19
• 1.5 研究思路与内容安排19-22
• 1.5.1 研究思路19-20
• 1.5.2 内容安排20-22
• 第2章 两阶段微粒群算法22-39
• 2.1 标准微粒群算法22-24
• 2.2 两阶段微粒群算法24-29
• 2.2.1 作用力规则的构造24-26
• 2.2.2 微粒的速度和位置更新26-29
• 2.3 标准优化测试函数29-32
• 2.3.1 单峰测试函数29-30
• 2.3.2 多峰测试函数30-32
• 2.3.3 病态测试函数32
• 2.4 算法性能测试32-35
• 2.4.1 算法优化性能评价指标32-33
• 2.4.2 算法优化性能对比测试33-35
• 2.5 算法种群多样性测试35-38
• 2.5.1 种群多样性函数35-36
• 2.5.2 算法种群多样性对比测试36-38
• 2.6 本章小结38-39
• 第3章 两阶段微粒群算法静态种群拓扑结构研究39-50
• 3.1 静态种群拓扑结构39-44
• 3.1.1 种群拓扑结构的特征度量39-41
• 3.1.2 典型的静态种群拓扑结构41-44
• 3.2 静态种群拓扑结构对算法种群多样性的影响44-45
• 3.3 静态种群拓扑结构对算法性能的影响45-49
• 3.3.1 对收敛速度的影响46-47
• 3.3.2 对最优解搜索能力的影响47-49
• 3.4 本章小结49-50
• 第4章 动态拓扑两阶段微粒群算法50-62
• 4.1 基于加边操作和节点变化的动态拓扑结构50-55
• 4.1.1 DTEN结构演化步骤51-52
• 4.1.2 DTEN结构中的概率计算52-53
• 4.1.3 概率选择机制设计53
• 4.1.4 加边方式选择概率定义53-54
• 4.1.5 节点删除与重构原则54-55
• 4.2 动态拓扑两阶段微粒群算法55-59
• 4.2.1 算法执行步骤55-57
• 4.2.2 DTEN结构演化参数d的取值57-58
• 4.2.3 拓扑结构特征度量分析58-59
• 4.3 动态拓扑两阶段微粒群算法性能测试59-61
• 4.3.1 最优解搜索能力测试59-60
• 4.3.2 收敛速度测试60-61
• 4.4 本章小结61-62
• 第5章 多态系统可靠性优化62-79
• 5.1 基于通用生成函数的多态系统可靠性分析62-70
• 5.1.1 通用生成函数63-65
• 5.1.2 多性能参数的多态系统可靠性分析65-70
• 5.2 多态系统可靠性优化模型70-71
• 5.3 算法设计71-73
• 5.3.1 微粒的编码和解码71-72
• 5.3.2 种群初始化72-73
• 5.3.3 适应度函数73
• 5.4 多态系统可靠性优化73-78
• 5.4.1 串并联多态系统可靠性优化73-75
• 5.4.2 具有桥式结构的多态系统可靠性优化75-78
• 5.5 本章小结78-79
• 结论79-81
• 参考文献81-86
• 攻读硕士学位期间承担的科研任务与主要成果86-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 崔志华;曾建潮;;一种动态调整的改进微粒群算法[J];系统工程学报;2005年06期

2 夏桂梅,曾建潮;微粒群算法的研究现状及发展趋势[J];山西师范大学学报(自然科学版);2005年01期

3 单世民;邓贵仕;;动态环境下一种改进的自适应微粒群算法[J];系统工程理论与实践;2006年03期

4 曾建潮;崔志华;;微分进化微粒群算法及其控制[J];系统工程学报;2007年03期

5 郑向伟;刘弘;;一种多样性引导的两阶段多目标微粒群算法[J];山东大学学报(理学版);2008年11期

6 宋佳栋;赵庆祯;刘森;;基于微粒群算法的投资决策研究[J];山东科学;2008年05期

7 刘国志;;基于信赖域技术的局部收缩的微粒群算法[J];云南大学学报(自然科学版);2008年01期

8 陈保娣;曾建潮;;改进的吸引扩散微粒群算法[J];控制理论与应用;2010年04期

9 李诗娴;王雪青;;微粒群算法在工程项目多目标多资源均衡问题中的应用[J];科技管理研究;2010年17期

10 张瑞藜;;基于微粒群算法的云计算资源调度策略的研究[J];黑龙江科技信息;2012年23期

中国重要会议论文全文数据库 前10条

1 乔立岩;杨莘元;赵春晖;;改进的离散二进制微粒群算法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

2 王元元;曾建潮;谭瑛;;基于环形结构带缓存器模型的并行微粒群算法[A];2006年全国开放式分布与并行计算学术会议论文集（一）[C];2006年

3 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集（一）[C];2006年

4 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年

5 蔡星娟;崔志华;曾建潮;谭瑛;;自适应PID控制微粒群算法[A];第二十六届中国控制会议论文集[C];2007年

6 王俊年;申群太;沈洪远;周鲜成;;一种改进的小生境微粒群算法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

7 易平;蔡保佩;;基于微粒群算法的平面刚架及组合结构的优化[A];中国力学大会——2013论文摘要集[C];2013年

8 裴振奎;刘健;华夏;;求解随机车辆路径规划问题的混合微粒群算法[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

9 王元元;曾建潮;谭瑛;;基于并行计算模型的并行微粒群算法的性能分析[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

10 张桐;王亚慧;叶安丽;王健;;基于微粒群算法与最小二乘法的在线辨识策略研究[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（下册）[C];2008年

中国博士学位论文全文数据库 前9条

1 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年

2 李剑;微粒群算法及其在物流系统中的应用研究[D];华中科技大学;2008年

3 郑向伟;求解优化问题的微粒群算法及其应用研究[D];山东师范大学;2008年

4 仇晨晔;多目标微粒群算法研究及其在交通事故分析中的应用[D];北京邮电大学;2013年

5 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年

6 李军军;微粒群算法及其在电力系统中的应用研究[D];上海海事大学;2008年

7 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年

8 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年

9 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年

中国硕士学位论文全文数据库 前10条

1 褚永芳;信息交互与处理微粒群算法[D];太原科技大学;2009年

2 秦秋燕;基于动物觅食原理的改进微粒群算法研究[D];太原科技大学;2010年

3 吴雨佳;基于微粒群算法的夹具装配序列规划方法研究[D];西安工业大学;2015年

4 钟典;基于变异微粒群算法的城镇土地扩展模拟研究[D];湖南师范大学;2015年

5 王海亭;Pool-based分布式微粒群算法研究[D];太原科技大学;2015年

6 刘玉丁;基于改进微粒群算法的建设项目多目标动态优化研究[D];河北工程大学;2016年

7 檀雪云;动态拓扑两阶段微粒群算法及多态系统可靠性优化[D];燕山大学;2016年

8 王巍;微粒群算法的研究与应用[D];江南大学;2008年

9 蔡星娟;个性化微粒群算法研究[D];太原科技大学;2008年

10 王光辉;具有动态群体规模的微粒群算法研究[D];太原科技大学;2008年

，

本文编号：555544