物理学优化算法中粒子物态划分和转换的研究与设计
发布时间：2021-06-30 16:07
基于群体智能行为启发的智能优化算法模拟了生物群体的觅食等行为,而基于物理学原理启发的智能优化算法模拟了物理系统的客观规律。为丰富群体智能方法,本文以基于物理学启发的优化算法为研究对象,针对目前很多算法只采用单一运动规则,不能有效平衡全局搜索能力和局部搜索能力的问题,提出基于多种物态的物理学优化算法。首先,构造了物理系统与优化算法之间的映射关系,提出基于多种物态的物理学优化算法的基本框架,为优化算法中粒子构造了属性集、运动规则和物态之间转换的条件,并针对基本框架提出基于多种物态的物理学优化算法。为了验证该算法的有效性,与标准APO算法和扩展的APO算法进行比较,实验表明了该算法的有效性。其次,为了更加合理地模拟物理系统中物质状态转化的过程,提高算法的精度,引入环境指标和新的物态,为新物态构造合适的运动规则和物态转化条件的同时,提出三种针对不同环境指标和不同物态的算法流程。通过实验对比分析,表明这三种算法的精度都得到了一定的提高。同时用该算法优化PID控制器的参数整定,实验表明算法的有效性和合理性。最后,以粘弹性悬架阻尼层合结构的性能优化模型为研究对象,利用基于环境指标的多物态物理学优化算...
【文章来源】：太原科技大学山西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
物理系统与优化算法的映射关系
第二章 多物态物理学优化算法子的，则会被划分为液态个体，这类个体的适应值属流动性和“避障”特点，选择偏向于单点运动的运动规学算法基本框架算法的基本框架主要包括三个部分：初始化种群，个化种群后，按一定的划分标准划分不同的物态，并为则，之后个体按不同的运动规则更新速度和位置，计体的状态或环境等因素，判断某些个体的物态是否需转化，并按相应的运动规则进行运动，直至程序结束
17图 2.3 MSAPO1 算法流程图Fig.2.3 The flow chart of MSAPO1二）MSAPO2 算法描述另一种多物态物理学算法是以 2.2.2 节中方法二和方法三作为物态划分的标准，态划分为固态、液态、气态和非晶态四种物态，并以第二种和第一种物态转换方法合的办法，为算法中粒子进行物态划分。在此算法中，首先划分气态个体，粒子根s 的大小排序，小于临界值时作为气态个体按照规则三运动，大于临界值时其他个其他个体中选取较好的一部分作为固态集合的中心个体，然后判断该中心点的邻域内是否包含其他粒子，若包含其他粒子则作为固态集合按照规则一运动，若不包含粒子则作为非晶态个体按照规则一运动，剩余粒子则作为液态个体按照规则二运动
【参考文献】：
期刊论文
[1]基于互联网群体智能的软件开发:可行性、现状与挑战[J]. 张伟,梅宏. 中国科学:信息科学. 2017(12)
[2]应用改进的BB-BC算法的分布式光伏并网接纳能力计算方法[J]. 刘少鹏,罗凤章,王成山,李静,孙强,王哲. 电力系统及其自动化学报. 2017(11)
[3]基于逐层演化的群体智能算法优化[J]. 张水平,王碧,陈阳. 工程科学学报. 2017(03)
[4]一种融合信息熵的个人网络主题圈子发现算法[J]. 唐兴,权义宁,董泽,苗启广. 西安电子科技大学学报. 2017(03)
[5]改进拟态物理学算法在交直流系统无功优化中的应用[J]. 李盛兴,罗滇生,李一泉,黄根,杜乾. 电力系统保护与控制. 2016(18)
[6]基于相对分类信息熵的进化特征选择算法[J]. 翟俊海,刘博,张素芳. 模式识别与人工智能. 2016(08)
[7]模拟退火算法改进综述及参数探究[J]. 卢宇婷,林禹攸,彭乔姿,王颖喆. 大学数学. 2015(06)
[8]基于信息熵的混合引力搜索算法[J]. 郭洁皓,高兴宝. 计算机应用研究. 2016(05)
[9]基于信息熵的协同过滤算法[J]. 张佳,林耀进,林梦雷,刘景华,李慧宗. 山东大学学报(工学版). 2016(02)
[10]低温等离子体辅助燃烧的研究进展、关键问题及展望[J]. 李平,穆海宝,喻琳,姚聪伟,许桂敏,张冠军. 高电压技术. 2015(06)
硕士论文
[1]智能优化算法在过程控制中的应用[D]. 苏奇新.北京化工大学 2017
[2]多规则拟态物理学优化算法[D]. 夏季.太原科技大学 2016
[3]基于种群多样性的自适应变异粒子群算法及应用[D]. 曾嘉俊.西南交通大学 2012
[4]基于信息熵的加权蚁群算法的研究与应用[D]. 王茴茴.昆明理工大学 2012
[5]基于约束保持法的矢量拟态物理学约束优化算法研究[D]. 张斐.太原科技大学 2011
[6]基于可行性规则的拟态物理学约束优化算法研究[D]. 尹健.太原科技大学 2011
本文编号：3258061
【文章来源】：太原科技大学山西省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
物理系统与优化算法的映射关系
第二章 多物态物理学优化算法子的，则会被划分为液态个体，这类个体的适应值属流动性和“避障”特点，选择偏向于单点运动的运动规学算法基本框架算法的基本框架主要包括三个部分：初始化种群，个化种群后，按一定的划分标准划分不同的物态，并为则，之后个体按不同的运动规则更新速度和位置，计体的状态或环境等因素，判断某些个体的物态是否需转化，并按相应的运动规则进行运动，直至程序结束
17图 2.3 MSAPO1 算法流程图Fig.2.3 The flow chart of MSAPO1二）MSAPO2 算法描述另一种多物态物理学算法是以 2.2.2 节中方法二和方法三作为物态划分的标准，态划分为固态、液态、气态和非晶态四种物态，并以第二种和第一种物态转换方法合的办法，为算法中粒子进行物态划分。在此算法中，首先划分气态个体，粒子根s 的大小排序，小于临界值时作为气态个体按照规则三运动，大于临界值时其他个其他个体中选取较好的一部分作为固态集合的中心个体，然后判断该中心点的邻域内是否包含其他粒子，若包含其他粒子则作为固态集合按照规则一运动，若不包含粒子则作为非晶态个体按照规则一运动，剩余粒子则作为液态个体按照规则二运动
【参考文献】：
期刊论文
[1]基于互联网群体智能的软件开发:可行性、现状与挑战[J]. 张伟,梅宏. 中国科学:信息科学. 2017(12)
[2]应用改进的BB-BC算法的分布式光伏并网接纳能力计算方法[J]. 刘少鹏,罗凤章,王成山,李静,孙强,王哲. 电力系统及其自动化学报. 2017(11)
[3]基于逐层演化的群体智能算法优化[J]. 张水平,王碧,陈阳. 工程科学学报. 2017(03)
[4]一种融合信息熵的个人网络主题圈子发现算法[J]. 唐兴,权义宁,董泽,苗启广. 西安电子科技大学学报. 2017(03)
[5]改进拟态物理学算法在交直流系统无功优化中的应用[J]. 李盛兴,罗滇生,李一泉,黄根,杜乾. 电力系统保护与控制. 2016(18)
[6]基于相对分类信息熵的进化特征选择算法[J]. 翟俊海,刘博,张素芳. 模式识别与人工智能. 2016(08)
[7]模拟退火算法改进综述及参数探究[J]. 卢宇婷,林禹攸,彭乔姿,王颖喆. 大学数学. 2015(06)
[8]基于信息熵的混合引力搜索算法[J]. 郭洁皓,高兴宝. 计算机应用研究. 2016(05)
[9]基于信息熵的协同过滤算法[J]. 张佳,林耀进,林梦雷,刘景华,李慧宗. 山东大学学报(工学版). 2016(02)
[10]低温等离子体辅助燃烧的研究进展、关键问题及展望[J]. 李平,穆海宝,喻琳,姚聪伟,许桂敏,张冠军. 高电压技术. 2015(06)
硕士论文
[1]智能优化算法在过程控制中的应用[D]. 苏奇新.北京化工大学 2017
[2]多规则拟态物理学优化算法[D]. 夏季.太原科技大学 2016
[3]基于种群多样性的自适应变异粒子群算法及应用[D]. 曾嘉俊.西南交通大学 2012
[4]基于信息熵的加权蚁群算法的研究与应用[D]. 王茴茴.昆明理工大学 2012
[5]基于约束保持法的矢量拟态物理学约束优化算法研究[D]. 张斐.太原科技大学 2011
[6]基于可行性规则的拟态物理学约束优化算法研究[D]. 尹健.太原科技大学 2011
本文编号：3258061
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3258061.html
