基于高斯过程代理模型的粒子群算法研究

发布时间：2021-09-24 20:46

　　群智能算法是一类重要的优化方法,因其具有较好的并行性、鲁棒性,亦可解决非连续、不可导、黑盒优化等问题而成为智能计算领域的一个研究热点。作为一种基于种群的迭代算法,群智能算法在求解复杂问题时常常需要大量的适应度评价,由此会导致算法的时间代价剧增,进而影响群智能算法的使用效率。代理模型是根据已知数据对复杂函数模型进行近似建模,以代替高精度的复杂计算,可有效降低计算代价。因此,本论文基于数据驱动技术,采用粒子群算法作为优化搜索算法,构建各种高效的代理模型用于算法的适应度值评估,主要内容如下:1、提出了基于主从式高斯过程模型的协同粒子群算法。在使用代理模型对群智能算法作评价时,对于搜索种群分别采用主高斯过程模型与从高斯过程模型评价,主高斯过程模型从全局的角度对粒子进行了评价,而从高斯过程模型则在各局部最优进行二次评价,两模型协同合作,大大提高了算法寻优的能力。2、提出了基于EI采样的自适应模型粒子群算法。考虑到在模型管理的过程中,代理模型的频繁更新需要耗费一定的计算时间,为避免无效且耗时的模型更新,提出了代理模型自适应更新的方法,并结合EI采样方法提高模型准确度。3、提出了基于集成模型的社会学... 

【文章来源】：浙江科技学院浙江省

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

社会学习粒子群算法示意图

学位论文 第且衰减的非负线性函数，该函数是局部响应函数，见层到隐藏层的变换跟其它的网络不同。第三层为的响应。输入层仅仅起到传输信号作用，输入层和值为 1 的连接，输出层与隐含层所完成的任务是不也不同。输出层是对线性权进行调整，采用的是线较快；而隐含层是对激活函数的参数进行调整，采而学习速度较慢。

浙江科技学院硕士学位论文 第 3 章 基于主从高斯代理模型的交互式粒子群最佳粒子信息与全局最佳信息进行信息交换，避免搜索陷入局部最优。精确模则主要用于对代理模型进行监测，通过精确模型对搜索群体进行评价，从而构代理模型的采样数据集合。数据库用于记录搜索群体、高斯过程模型的最优化息，并将信息反馈给优化控制器以指导整个搜索的进行。

【参考文献】：
期刊论文
[1]基于信赖域的PSO-RBF代理模型的适应度计算[J]. 孔倩倩,何小娟,孙超利.  太原科技大学学报. 2017(02)
[2]一种多目标粒子群改进算法的研究[J]. 徐鸣,沈希,马龙华,黄跃进,胡娟,顾江萍,金华强,钱积新.  控制与决策. 2009(11)
[3]基于Kriging代理模型的自适应序贯优化方法[J]. 王红涛,竺晓程,杜朝辉.  计算机工程与应用. 2009(26)

博士论文
[1]基于代理模型的实值演化算法研究[D]. 陆晓芬.中国科学技术大学 2017

硕士论文
[1]群智能优化算法中基于信赖域的代理模型研究[D]. 孔倩倩.太原科技大学 2017
[2]基于替代模型的演化算法[D]. 卢剑锋.中国科学技术大学 2014
[3]Kriging辅助代理模型求解昂贵单目标约束优化问题的研究[D]. 肖建.湘潭大学 2013



本文编号：3408425