改进粒子群算法及其应用研究

发布时间：2017-08-12 00:34

  本文关键词：改进粒子群算法及其应用研究

  更多相关文章： 粒子群优化算法 惯性权重 扩散操作 信息素机制 混沌操作 背包问题 人工势场法 路径规划

【摘要】：粒子群算法(PSO)是一种基于群体迭代的新型仿生优化算法。该算法通过粒子个体之间的相互协调来寻找最优位置。同遗传算法等其它仿生算法比较,粒子群算法概念简单、可调参数少。目前粒子群算法引起人们的广泛关注,已成为人工智能领域一个新的研究热点。不过粒子群算法的发展历史尚短,其理论及应用研究还有待进一步的扩展。本文对PSO算法的搜索机制、改进及应用等方面进行了较为深入的研究。主要研究内容如下: 针对粒子群算法搜索精度不佳问题,提出了一种具有局部最优模式的动态调整惯性权重的改进粒子群算法(MPSO),并且将其应用于复杂函数优化问题。本文一方面通过跟踪3个“极值”(个体极值、全局极值和周围极值)来搜索解空间的最优值;另一方面通过引入3种非线性递减函数对惯性权重ω进行调整,试图能够更加合理的反映粒子群搜索的非线性过程。 为了克服粒子群算法对高维函数优化性能不佳问题,提出了一种非线性扩散粒子群算法(NDPSO)。该算法通过非线性递增的方式对粒子进行扩散操作,使得算法迭代初期可以避开大量非必要的扩散操作,而在迭代末期将有更大的几率进行扩散操作,从而既保证算法的运行效率又能有效地提高算法的全局搜索能力,与此同时用非线性递减策略对惯性权重进行调整,使得算法在没有扩散时提高其搜索能力。实验结果表明,非线性扩散粒子群算法性能优于基本粒子群算法及其一些改进算法。 在离散粒子群算法的研究中,提出了一种基于蚁群混沌行为的离散粒子群算法(DPSO)。受蚁群算法启发,本算法借鉴了蚁群算法的信息素机制,对粒子群算法的速度位置更新公式重新定义;并在此基础上对粒子群的初始化进行混沌操作并在一定条件下进行重新初始化,然后将其应用到背包问题中,实验结果表明该算法可以得到较优解。 提出了一种基于改进粒子群算法与人工势场法结合的移动机器人全局路径规划方法。采用本文提出的动态扩散粒子群算法来选择人工势场模型,以克服人工势场模型缺陷,实现路径和安全性的优化。实验结果表明该方法能有效提高路径规划的性能。
【关键词】：粒子群优化算法 惯性权重 扩散操作 信息素机制 混沌操作 背包问题 人工势场法 路径规划
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TP301.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-13
• 1.1 研究目的与意义10-11
• 1.2 研究内容与创新点11-12
• 1.3 论文结构12-13
• 第2章 粒子群优化算法及其理论基础13-26
• 2.1 引言13
• 2.2 粒子群算法13-16
• 2.2.1 粒子群算法起源13-14
• 2.2.2 标准粒子群算法14-15
• 2.2.3 PSO 算法实现过程15
• 2.2.4 标准粒子群算法收敛性分析15-16
• 2.3 离散粒子群算法16-17
• 2.4 粒子群算法的几种改进方式17-19
• 2.4.1 变更公式法17-18
• 2.4.2 分群方法18-19
• 2.4.3 混合算法19
• 2.4.4 扰动方法19
• 2.5 粒子群算法应用19-20
• 2.6 标准测试函数介绍20-26
• 第3章 改进粒子群算法及其在高维函数优化中的应用26-40
• 3.1 引言26
• 3.2 具有局部最优模式的动态调整惯性权重的改进粒子群算法26-33
• 3.2.1 嵌入局部最优模式的粒子群更新算法26-27
• 3.2.2 非线性递减策略调整ω的粒子群更新算法27-28
• 3.2.3 收敛性分析28-29
• 3.2.4 仿真研究29-32
• 3.2.5 小结32-33
• 3.3 非线性扩散粒子群算法33-40
• 3.3.1 非线性扩散粒子群算法(NDPSO)描述33-34
• 3.3.2 NDPSO 算法实现过程及收敛性分析34
• 3.3.3 实验分析34-39
• 3.3.4 小结39-40
• 第4章 基于蚁群混沌行为的离散粒子群算法及其应用40-50
• 4.1 引言40
• 4.2 背包问题描述40-41
• 4.3 基于蚁群混沌行为的离散粒子群算法原理及实现41-43
• 4.3.1 基于蚁群混沌行为的离散粒子群算法原理41-43
• 4.3.2 算法流程43
• 4.4 仿真研究43-49
• 4.4.1 DPSO 算法与其他仿生算法性能比较43-45
• 4.4.2 DPSO 算法与基于其他方式改进的离散粒子群算法性能比较45-49
• 4.4.3 DPSO 算法与传统方法性能比较49
• 4.5 小结49-50
• 第5章 动态扩散粒子群算法及其在移动机器人全局路径规划中的应用50-58
• 5.1 引言50
• 5.2 动态扩散粒子群算法50-51
• 5.3 基于动态扩散粒子群算法-人工势场法的移动机器人全局路径规划51-57
• 5.3.1 人工势场法51-53
• 5.3.2 采用动态扩散粒子群算法的人工势场参数优化53-54
• 5.3.3 仿真实验54-57
• 5.4 小结57-58
• 第6章 总结与展望58-60
• 6.1 本文工作总结58
• 6.2 待进一步研究的问题58-60
• 参考文献60-67
• 致谢67-68
• 附录68
• 作者在读期间发表的学术论文及参加的科研项目68
• 一、学术论文68
• 二、科研项目68

【引证文献】

中国期刊全文数据库 前1条

1 赵贺;于希娟;王林;;含冷热电联供的微电网系统最优经济运行分析[J];电气应用;2012年21期

中国硕士学位论文全文数据库 前2条

1 宝旭峥;110kV冷绝缘高温超导电缆优化设计与均流特性研究[D];北京交通大学;2011年

2 潘雯雯;虚拟企业伙伴选择智能算法研究及应用[D];安徽大学;2012年

，

本文编号：658982