基于粒子群优化和鸡群优化的群智能算法研究
发布时间：2022-01-19 17:34
在工程科学中,很多问题都转化为最优化问题进行求解.在群智能优化算法中,粒子群优化算法和鸡群优化算法由于其优点较多而被用于求解大量的工程科学问题.粒子群优化和鸡群优化算法虽然有其优点,但仍然存在缺点.通过上述分析对粒子群优化算法和鸡群优化算法的性能从以下角度进行研究.1.论文对基本的粒子群优化算法和鸡群优化算法进行描述,并分析了其特点.将粒子群优化算法、鸡群优化算法和磷虾群优化算法进行比较,且对粒子群优化算法和鸡群优化算法的优缺点进行分析.然后,提出了几种粒子群优化算法和鸡群优化算法的改进策略.2.由于粒子群优化算法收敛速度过快,使得算法迭代后期多样性不足,而常常陷入局部最优解,使算法的搜索停滞不前,于是对基本的PSO算法提出几种策略.（1）提出了一种带有牛顿方向的自适应扰动改进粒子群优化算法.该算法是基于随机扰动的粒子群优化算法,将牛顿下降方向和随机扰动相结合,利用随机扰动使陷入局部最优的粒子跳出局部陷阱,牛顿方向引导当前最好粒子快速寻优.(2提出了带有克隆加速策略的粒子群优化算法.该算法利用粒子群优化算法进行全局寻优,克隆策略扩大全局寻优范围,局部优化算法加速收敛.（3）引入模糊推理...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：140 页
【学位级别】：硕士
【部分图文】：
图２．２：基本鸡群优化算法流程图??２．３．３控制参数的选取??参数控制对于ＣＳＯ算法来说非常重要，ＣＳＯ算法对于参数的选取研究比较少．??
⑻?（ｂ）??图３．１：?３种算法对于测试函数Ｆ１？Ｆ２的收敛曲线??三种ｍ法对于函数Ｆ／Ｊ的曲线?三种５法对于函数Ｆ３的曲线??０７?．?．?．???１?「丨?Ｉ?丨?Ｉ?２５０??????，?，?，?ｒ．．．?｜?，?，?．???实线代表ＰＳ０?Ｉ??实线代表ＰＳ０￣??〇６?．??虚线代表ＡＲＰＳＱ?Ｉ??虚线代表ＡＲＰＳ０???？代表?ＣＬＳＰＳＯ?Ｌ?——－代表?ＣＬＳＰＳ０??２００?ｒｓ????０．５?？?？?Ｕ?Ｉ??－?Ａ??ｍ?ｍ?ｔ??＾?＾?＇■?Ｖ??赌?０．３?．?＾??１?ｉｏｏ?■?＼?Ｖ，?．??－?ｌ、、???５０、、、、、」〉：、—??０Ｌ■二一－，？一?Ｊ?ｉ?．??０?１００?２００?３００?４００?５００?５００?７００?８００?９００?１０００?０?１００?２００?３００?４００?５００?６００?７００?ＯＣ?９００?１０００??迭代次数?迭代次数??（ａ）?（ｂ）??图３．２：?３种算法对于测试函数Ｆ３？Ｆ４的收敛曲线??３．３带有克隆策略的粒子群优化算法??３．３．１局部寻优方法介绍??（１）阻尼牛顿法??牛顿法是求解无约束优化问题最早使用的经典算法之一
⑻?（ｂ）??图３．１：?３种算法对于测试函数Ｆ１？Ｆ２的收敛曲线??三种ｍ法对于函数Ｆ／Ｊ的曲线?三种５法对于函数Ｆ３的曲线??０７?．?．?．???１?「丨?Ｉ?丨?Ｉ?２５０??????，?，?，?ｒ．．．?｜?，?，?．???实线代表ＰＳ０?Ｉ??实线代表ＰＳ０￣??〇６?．??虚线代表ＡＲＰＳＱ?Ｉ??虚线代表ＡＲＰＳ０???？代表?ＣＬＳＰＳＯ?Ｌ?——－代表?ＣＬＳＰＳ０??２００?ｒｓ????０．５?？?？?Ｕ?Ｉ??－?Ａ??ｍ?ｍ?ｔ??＾?＾?＇■?Ｖ??赌?０．３?．?＾??１?ｉｏｏ?■?＼?Ｖ，?．??－?ｌ、、???５０、、、、、」〉：、—??０Ｌ■二一－，？一?Ｊ?ｉ?．??０?１００?２００?３００?４００?５００?５００?７００?８００?９００?１０００?０?１００?２００?３００?４００?５００?６００?７００?ＯＣ?９００?１０００??迭代次数?迭代次数??（ａ）?（ｂ）??图３．２：?３种算法对于测试函数Ｆ３？Ｆ４的收敛曲线??３．３带有克隆策略的粒子群优化算法??３．３．１局部寻优方法介绍??（１）阻尼牛顿法??牛顿法是求解无约束优化问题最早使用的经典算法之一
【参考文献】：
期刊论文
[1]一种混合改进的鸡群优化算法[J]. 杨菊蜻,张达敏,张慕雪,朱陈柔玲. 计算机应用研究. 2018(11)
[2]一种带有牛顿方向的自适应扰动改进粒子群优化算法[J]. 史旭栋,高岳林. 兰州文理学院学报(自然科学版). 2017(06)
[3]鸡群算法的收敛性分析[J]. 吴定会,孔飞,纪志成. 中南大学学报(自然科学版). 2017(08)
[4]基于改进鸡群算法的柔性作业车间调度问题求解[J]. 许世鹏,吴定会,孔飞,纪志成. 系统仿真学报. 2017(07)
[5]基于模糊推理的粒子群优化算法[J]. 史旭栋,高岳林,韩俊茹. 河南师范大学学报(自然科学版). 2017(02)
[6]一种基于改进的磷虾群和粒子群的混合算法[J]. 刘沛,高岳林,郭伟. 河南师范大学学报(自然科学版). 2017(02)
[7]基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用[J]. 李华,陈宁江. 广西科学院学报. 2017(01)
[8]基于改进鸡群算法的微电网优化运行研究[J]. 胡汉梅,李静雅,黄景光. 高压电器. 2017(02)
[9]基于模拟退火的改进鸡群优化算法[J]. 李振璧,王康,姜媛媛. 微电子学与计算机. 2017(02)
[10]基于PSO-BP神经网络的车牌号码识别技术[J]. 吴志攀,赵跃龙,罗中良,杜华英. 中山大学学报(自然科学版). 2017(01)
本文编号：3597280
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：140 页
【学位级别】：硕士
【部分图文】：
图２．２：基本鸡群优化算法流程图??２．３．３控制参数的选取??参数控制对于ＣＳＯ算法来说非常重要，ＣＳＯ算法对于参数的选取研究比较少．??
⑻?（ｂ）??图３．１：?３种算法对于测试函数Ｆ１？Ｆ２的收敛曲线??三种ｍ法对于函数Ｆ／Ｊ的曲线?三种５法对于函数Ｆ３的曲线??０７?．?．?．???１?「丨?Ｉ?丨?Ｉ?２５０??????，?，?，?ｒ．．．?｜?，?，?．???实线代表ＰＳ０?Ｉ??实线代表ＰＳ０￣??〇６?．??虚线代表ＡＲＰＳＱ?Ｉ??虚线代表ＡＲＰＳ０???？代表?ＣＬＳＰＳＯ?Ｌ?——－代表?ＣＬＳＰＳ０??２００?ｒｓ????０．５?？?？?Ｕ?Ｉ??－?Ａ??ｍ?ｍ?ｔ??＾?＾?＇■?Ｖ??赌?０．３?．?＾??１?ｉｏｏ?■?＼?Ｖ，?．??－?ｌ、、???５０、、、、、」〉：、—??０Ｌ■二一－，？一?Ｊ?ｉ?．??０?１００?２００?３００?４００?５００?５００?７００?８００?９００?１０００?０?１００?２００?３００?４００?５００?６００?７００?ＯＣ?９００?１０００??迭代次数?迭代次数??（ａ）?（ｂ）??图３．２：?３种算法对于测试函数Ｆ３？Ｆ４的收敛曲线??３．３带有克隆策略的粒子群优化算法??３．３．１局部寻优方法介绍??（１）阻尼牛顿法??牛顿法是求解无约束优化问题最早使用的经典算法之一
⑻?（ｂ）??图３．１：?３种算法对于测试函数Ｆ１？Ｆ２的收敛曲线??三种ｍ法对于函数Ｆ／Ｊ的曲线?三种５法对于函数Ｆ３的曲线??０７?．?．?．???１?「丨?Ｉ?丨?Ｉ?２５０??????，?，?，?ｒ．．．?｜?，?，?．???实线代表ＰＳ０?Ｉ??实线代表ＰＳ０￣??〇６?．??虚线代表ＡＲＰＳＱ?Ｉ??虚线代表ＡＲＰＳ０???？代表?ＣＬＳＰＳＯ?Ｌ?——－代表?ＣＬＳＰＳ０??２００?ｒｓ????０．５?？?？?Ｕ?Ｉ??－?Ａ??ｍ?ｍ?ｔ??＾?＾?＇■?Ｖ??赌?０．３?．?＾??１?ｉｏｏ?■?＼?Ｖ，?．??－?ｌ、、???５０、、、、、」〉：、—??０Ｌ■二一－，？一?Ｊ?ｉ?．??０?１００?２００?３００?４００?５００?５００?７００?８００?９００?１０００?０?１００?２００?３００?４００?５００?６００?７００?ＯＣ?９００?１０００??迭代次数?迭代次数??（ａ）?（ｂ）??图３．２：?３种算法对于测试函数Ｆ３？Ｆ４的收敛曲线??３．３带有克隆策略的粒子群优化算法??３．３．１局部寻优方法介绍??（１）阻尼牛顿法??牛顿法是求解无约束优化问题最早使用的经典算法之一
【参考文献】：
期刊论文
[1]一种混合改进的鸡群优化算法[J]. 杨菊蜻,张达敏,张慕雪,朱陈柔玲. 计算机应用研究. 2018(11)
[2]一种带有牛顿方向的自适应扰动改进粒子群优化算法[J]. 史旭栋,高岳林. 兰州文理学院学报(自然科学版). 2017(06)
[3]鸡群算法的收敛性分析[J]. 吴定会,孔飞,纪志成. 中南大学学报(自然科学版). 2017(08)
[4]基于改进鸡群算法的柔性作业车间调度问题求解[J]. 许世鹏,吴定会,孔飞,纪志成. 系统仿真学报. 2017(07)
[5]基于模糊推理的粒子群优化算法[J]. 史旭栋,高岳林,韩俊茹. 河南师范大学学报(自然科学版). 2017(02)
[6]一种基于改进的磷虾群和粒子群的混合算法[J]. 刘沛,高岳林,郭伟. 河南师范大学学报(自然科学版). 2017(02)
[7]基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用[J]. 李华,陈宁江. 广西科学院学报. 2017(01)
[8]基于改进鸡群算法的微电网优化运行研究[J]. 胡汉梅,李静雅,黄景光. 高压电器. 2017(02)
[9]基于模拟退火的改进鸡群优化算法[J]. 李振璧,王康,姜媛媛. 微电子学与计算机. 2017(02)
[10]基于PSO-BP神经网络的车牌号码识别技术[J]. 吴志攀,赵跃龙,罗中良,杜华英. 中山大学学报(自然科学版). 2017(01)
本文编号：3597280
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3597280.html
