改进的粒子群算法及其在Job-Shop问题中的应用

发布时间：2020-08-25 01:35

【摘要】：人工智能的兴起,带动了智能算法的发展与进步,为打破传统优化算法求解最优问题的局限性提供了新思路。通过模拟自然界中生物习性,粒子群算法为解决优化问题提供了一种新的有效途径,且原理简单、参数少、易实现、速度快。但粒子群算法容易产生早熟收敛,局部寻优能力弱,基础理论不够完善。本文介绍了粒子群的衍生过程,着重介绍了粒子群算法的原理、执行流程;粒子的控制参数,如位置速度、学习因子、权重值;对算法添加改进策略,如极值扰动、柯西变异、异维学习等;粒子群算法与其它群智能算法融合研究。为了验证改进算法的优势,本文从算法的求解效率、求解精度、鲁棒性等方面进行仿真实验,较一些知名算法取得了不错的效果。本文的重点概括为:(1)提出一种非线性极值扰动与柯西变异的简化粒子群算法。简化粒子群去掉了速度项,粒子更新公式由二阶微分方程变为一阶微分方程,提升了算法的性能;引入非线性递减的扰动算子和柯西变异策略,增强了种群多样性,避免粒子陷入局部最优,提高算法搜索精度。(2)在PSO和DE混合算法的基础上提出了一种基于异维变异的差分混合粒子群算法。采用熵度量的方式筛选出达到均匀分布的粒子群体从而提高群体多样性;然后根据粒子分布特点,结合异维变异策略,引入维度因子确保即便部分粒子陷入了局部极值也能及时跳出循环从而提高后期算法的精度和效率。(3)将改进的算法用于求解作业车间调度问题。通过编/解码操作完成粒子与调度问题解的映射,并在经典调度库实例上进行仿真验证。
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18

【参考文献】

相关期刊论文 前10条

1 靳雁霞;薛丹;张鑫;李伟楠;;融合类无标度粒子群算法的图像检索研究[J];微电子学与计算机;2018年01期

2 王雷;蔡劲草;唐敦兵;李明;;基于改进遗传算法的柔性作业车间调度[J];南京航空航天大学学报;2017年06期

3 郑恩让;姜苏英;;基于改进粒子群优化算法的分数阶PID控制[J];控制工程;2017年10期

4 王莹;曹军;张福元;;基于模拟退火的改进混沌粒子群算法[J];内蒙古工业大学学报(自然科学版);2017年03期

5 翁志远;方杰;孔敏;程颖;;改进差分进化算法的作业车间调度优化策略[J];控制工程;2017年06期

6 戴月明;王明慧;王春;王艳;;骨干双粒子群算法求解柔性作业车间调度问题[J];系统仿真学报;2017年06期

7 刘浩;沈星;曲浩丽;王鹏军;;粒子群优化的神经网络PID沼气干发酵温度控制[J];计算机工程与设计;2017年03期

8 程毕芸;鲁海燕;黄洋;许凯波;;求解TSP的自适应优秀系数粒子群优化算法[J];计算机应用;2017年03期

9 刘加存;梅其祥;杨东红;;基于盲动粒子群频率分解的极速学习机神经网络建模[J];信息与控制;2017年01期

10 郭巳秋;宋玉龙;宋策;刘立刚;任航;;改进惯性权重的粒子群目标跟踪算法[J];国外电子测量技术;2017年01期

相关博士学位论文 前1条

1 张庆科;粒子群优化算法及差分进行算法研究[D];山东大学;2017年

相关硕士学位论文 前2条

1 吴高超;基于粒子群算法的路径规划问题研究[D];燕山大学;2016年

2 朱航;基于改进和声搜索算法的车间作业调度问题研究[D];南京理工大学;2015年

本文编号：2803094