膜计算多粒子群算法
发布时间：2021-11-16 12:06
针对粒子群（Particle swam optimization, PSO）算法进化后期收敛速度较慢,易陷入局部极值点,精度较差等不足,提出膜计算多粒子群（MC-MPSO）算法。在该算法中,将原始PSO、标准PSO、中值导向粒子群（MPSO）、扩展粒子群（EPSO）、多作用力粒子群（MFPSO）、两阶段作用力粒子群（TFPSO）等六种具有不同优点的粒子群算法分别放入六个基本膜内,提出MC-MPSO算法的膜间交流与粒子更新机制,在进化前期,各粒子群算法按自身机制进行搜索寻优,即各基本膜各自进化来充分发挥各基本膜内算法的优点;在进化后期,各基本膜内算法与比自身更好的表层膜内最优解粒子交流,各表层膜逐步吞并搜索能力较差的基本膜,而最适合问题优化求解的基本膜长大并按照表层膜输出,使MC-MPSO算法集成了基本膜内六种粒子群算法的各自优势,并具有适应不同类型优化求解问题的寻优能力。通过与基本膜内六种粒子群算法的测试对比,与遗传算法、鱼群算法及其他基于膜计算的粒子群算法的比较,证明了MC-MPSO算法具有更好的寻优能力和适用性。最后,将MC-MPSO算法应用于串联和桥式系统可靠性优化问题,验证了所...
【文章来源】：机械工程学报. 2019,55(12)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
MC-MPSO算法与鱼群算法的对比曲线表7MC-MPSO算法与鱼群算法对比
值47.5315.682.61×10-5平均时间/s4.292.942.87可以看出，MC-MPSO算法搜索求解优于文献[25]，且运行时间也最短。3可靠性优化应用串联系统和桥式系统是两种检验可靠性优化效果的常用系统，下面对这两种系统进行可靠性优化，通过算法对比来验证MC-MPSO算法的适应性。3.1串联系统针对5级串联系统[26]，利用原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO和MC-MPSO算法分别进行可靠性优化，各算法种群维数为5，各算法的参数选取见表4，优化结果如图7和表9所示。图7串联系统可靠性优化曲线表9串联系统可靠性优化结果优化参数原始PSO算法标准PSO算法MPSO算法EPSO算法MFPSO算法TFPSO算法MC-MPSO算法P(x1)0.1600.1600.1720.1510.1630.1450.163P(x2)0.1530.1600.1160.1320.1480.1450.146P(x3)0.1270.1100.1830.1320.1140.1450.130P(x4)0.1550.1670.1440.1700.1550.1450.160P(x5)0.1190.1210.1290.1320.1370.1450.112C174.558174.797174.920174.851175.000174.829175.000P(T)0.5370.5400.5540.5390.5390.5440.535时间/s0.0140.0130.0170.0110.0150.0120.0023.2桥式系统针对桥式系统[26]，利用原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO和MC-MPSO算
月2019年6月陈东宁等：膜计算多粒子群算法231法分别对该模型进行可靠性优化，算法参数选取同上，得到对应的优化结果如图8和表10所示。图8桥式系统可靠性优化曲线表10桥式系统可靠性优化结果优化参数原始PSO标准PSOMPSOEPSOMFPSOTFPSOMC-MPSOP(x1)0.1520.1580.1190.1350.1350.1260.149P(x2)0.1020.1000.1260.1350.1350.1260.112P(x3)0.2340.2070.3000.1350.1350.2700.213P(x4)0.1510.1580.1670.1350.1350.1260.150P(x5)0.1020.1000.1090.1350.1350.1260.095C173.691173.752167.001174.951175.000174.807175.000P(T)0.0360.0360.0410.0400.0400.0380.036时间/s0.0050.0050.0030.0110.0200.0120.001可见，MC-MPSO算法的寻优能力均优于原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO、以及文献[26]混合μPSO算法，并且运行时间也远小于其他算法。4结论(1)针对单一一种粒子群算法在求解不同优化问题的适应性不足，提出了膜计算多粒子群算法，并提出基于质数拓扑结构的膜间载体交流机制，提高了算法的搜索精度和计算效率。(2)将所提出的MC-MPSO算法进行了算法测试与对比，并应用于串联系统、桥式系统的可靠性优化问题，验证了MC-MPSO算法对于解决优化问题的可行性。参考文献[1]KENNEDYJ,EBERHARTRC.Particleswarmoptimization[C]//IEEEInternationalConferenceonNeuralNetworks,November27-December1,1995,Perth,WA,Australia,IEEE,1995：1942-1948.[2]OUYANGH,GAOL,KONGX,etal.Hybridharmonysearchparticleswarmoptimizationwithglobaldimensionselection[J].InformationScien
【参考文献】：
期刊论文
[1]带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾,刘明周,赵韩. 中国机械工程. 2016(04)
[2]Dynamic Topology Multi Force Particle Swarm Optimization Algorithm and Its Application[J]. CHEN Dongning,ZHANG Ruixing,YAO Chengyu,ZHAO Zheyu. Chinese Journal of Mechanical Engineering. 2016(01)
[3]基于混沌理论和自适应惯性权重的PSO算法优化[J]. 安鹏. 吉林大学学报(理学版). 2015(06)
[4]基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化[J]. 谢延敏,孙新强,田银,何育军,卓德志. 机械工程学报. 2016(19)
[5]基于混合粒子群算法的复杂机械产品装配质量控制阈优化方法[J]. 王小巧,刘明周,葛茂根,马靖,刘从虎. 机械工程学报. 2016(01)
[6]求解液压阀块加工车间调度的多作用力微粒群算法[J]. 陈东宁,张瑞星,姚成玉,茜彦辉. 中国机械工程. 2015(03)
[7]混合粒子交互微粒群算法[J]. 姚成玉,王斌,陈东宁,张瑞星. 机械工程学报. 2015(06)
[8]一种基于膜计算的改进人工鱼群算法[J]. 廖孝勇,李尚键,孙棣华,何伟,余楚中. 小型微型计算机系统. 2014(05)
[9]基于T-S故障树和混合μPSO算法的可靠性优化方法[J]. 陈东宁,姚成玉. 中国机械工程. 2013(18)
[10]基于P系统的粒子群优化算法[J]. 杜强,向来生,刘希玉. 计算机应用研究. 2013(08)
博士论文
[1]膜计算优化方法研究[D]. 黄亮.浙江大学 2007
硕士论文
[1]细胞型膜计算模型遗传优化设计研究[D]. 欧柱.西南交通大学 2013
[2]粒子群膜算法及其应用研究[D]. 周芬.西南交通大学 2011
本文编号：3498855
【文章来源】：机械工程学报. 2019,55(12)北大核心EICSCD
【文章页数】：11 页
【部分图文】：
MC-MPSO算法与鱼群算法的对比曲线表7MC-MPSO算法与鱼群算法对比
值47.5315.682.61×10-5平均时间/s4.292.942.87可以看出，MC-MPSO算法搜索求解优于文献[25]，且运行时间也最短。3可靠性优化应用串联系统和桥式系统是两种检验可靠性优化效果的常用系统，下面对这两种系统进行可靠性优化，通过算法对比来验证MC-MPSO算法的适应性。3.1串联系统针对5级串联系统[26]，利用原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO和MC-MPSO算法分别进行可靠性优化，各算法种群维数为5，各算法的参数选取见表4，优化结果如图7和表9所示。图7串联系统可靠性优化曲线表9串联系统可靠性优化结果优化参数原始PSO算法标准PSO算法MPSO算法EPSO算法MFPSO算法TFPSO算法MC-MPSO算法P(x1)0.1600.1600.1720.1510.1630.1450.163P(x2)0.1530.1600.1160.1320.1480.1450.146P(x3)0.1270.1100.1830.1320.1140.1450.130P(x4)0.1550.1670.1440.1700.1550.1450.160P(x5)0.1190.1210.1290.1320.1370.1450.112C174.558174.797174.920174.851175.000174.829175.000P(T)0.5370.5400.5540.5390.5390.5440.535时间/s0.0140.0130.0170.0110.0150.0120.0023.2桥式系统针对桥式系统[26]，利用原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO和MC-MPSO算
月2019年6月陈东宁等：膜计算多粒子群算法231法分别对该模型进行可靠性优化，算法参数选取同上，得到对应的优化结果如图8和表10所示。图8桥式系统可靠性优化曲线表10桥式系统可靠性优化结果优化参数原始PSO标准PSOMPSOEPSOMFPSOTFPSOMC-MPSOP(x1)0.1520.1580.1190.1350.1350.1260.149P(x2)0.1020.1000.1260.1350.1350.1260.112P(x3)0.2340.2070.3000.1350.1350.2700.213P(x4)0.1510.1580.1670.1350.1350.1260.150P(x5)0.1020.1000.1090.1350.1350.1260.095C173.691173.752167.001174.951175.000174.807175.000P(T)0.0360.0360.0410.0400.0400.0380.036时间/s0.0050.0050.0030.0110.0200.0120.001可见，MC-MPSO算法的寻优能力均优于原始PSO、标准PSO、MPSO、EPSO、MFPSO、TFPSO、以及文献[26]混合μPSO算法，并且运行时间也远小于其他算法。4结论(1)针对单一一种粒子群算法在求解不同优化问题的适应性不足，提出了膜计算多粒子群算法，并提出基于质数拓扑结构的膜间载体交流机制，提高了算法的搜索精度和计算效率。(2)将所提出的MC-MPSO算法进行了算法测试与对比，并应用于串联系统、桥式系统的可靠性优化问题，验证了MC-MPSO算法对于解决优化问题的可行性。参考文献[1]KENNEDYJ,EBERHARTRC.Particleswarmoptimization[C]//IEEEInternationalConferenceonNeuralNetworks,November27-December1,1995,Perth,WA,Australia,IEEE,1995：1942-1948.[2]OUYANGH,GAOL,KONGX,etal.Hybridharmonysearchparticleswarmoptimizationwithglobaldimensionselection[J].InformationScien
【参考文献】：
期刊论文
[1]带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法[J]. 周蓉,沈维蕾,刘明周,赵韩. 中国机械工程. 2016(04)
[2]Dynamic Topology Multi Force Particle Swarm Optimization Algorithm and Its Application[J]. CHEN Dongning,ZHANG Ruixing,YAO Chengyu,ZHAO Zheyu. Chinese Journal of Mechanical Engineering. 2016(01)
[3]基于混沌理论和自适应惯性权重的PSO算法优化[J]. 安鹏. 吉林大学学报(理学版). 2015(06)
[4]基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化[J]. 谢延敏,孙新强,田银,何育军,卓德志. 机械工程学报. 2016(19)
[5]基于混合粒子群算法的复杂机械产品装配质量控制阈优化方法[J]. 王小巧,刘明周,葛茂根,马靖,刘从虎. 机械工程学报. 2016(01)
[6]求解液压阀块加工车间调度的多作用力微粒群算法[J]. 陈东宁,张瑞星,姚成玉,茜彦辉. 中国机械工程. 2015(03)
[7]混合粒子交互微粒群算法[J]. 姚成玉,王斌,陈东宁,张瑞星. 机械工程学报. 2015(06)
[8]一种基于膜计算的改进人工鱼群算法[J]. 廖孝勇,李尚键,孙棣华,何伟,余楚中. 小型微型计算机系统. 2014(05)
[9]基于T-S故障树和混合μPSO算法的可靠性优化方法[J]. 陈东宁,姚成玉. 中国机械工程. 2013(18)
[10]基于P系统的粒子群优化算法[J]. 杜强,向来生,刘希玉. 计算机应用研究. 2013(08)
博士论文
[1]膜计算优化方法研究[D]. 黄亮.浙江大学 2007
硕士论文
[1]细胞型膜计算模型遗传优化设计研究[D]. 欧柱.西南交通大学 2013
[2]粒子群膜算法及其应用研究[D]. 周芬.西南交通大学 2011
本文编号：3498855
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3498855.html
