基于梯度信息的粒子群优化算法的改进及应用

发布时间：2017-12-06 15:03

  本文关键词：基于梯度信息的粒子群优化算法的改进及应用

  更多相关文章： 粒子群优化算法 最速下降法 增广拉格朗日乘子法 多目标选址优化问题

【摘要】：在1995年,J.Kennedy和R.C.Eberhart在对鸟类寻找食物的过程进行研究后,提出了粒子群优化算法。随后,它以其概念简单、容易实现、涉及参数少的特点,在这近20年间受到各个领域专家和学者的青睐。同时,随着研究的深入,粒子群优化算法的弊端也逐渐表露出来,在粒子迭代过程中容易出现陷入局部最优的情况,并且在算法的后期收敛速度相对较慢。于是,对于粒子群优化方法的改进也是近些年很多专家学者关注的重点。粒子群优化算法已经在无约束优化问题上得到了广泛的运用。针对无约束优化问题,利用最速下降法快速精细的局部搜索能力,将最速下降法嵌入到基本粒子群优化算法中,得到一种新的嵌入最速下降法的改进的粒子群优化算法。约束优化问题相对于无约束优化问题而言,加入了一些限制条件,本文的处理方法就是利用增广Lagrange乘子法,将约束问题转变为界约束优化问题,利用最速下降法在局部优化中快速精细的特点,粒子群在每进行一次速度位置迭代后,都对群体历史最优位置进行3次最速下降法的迭代,直到最终到达全局最优解的附近为止,将这种改进算法称之为LA_PSO_SD算法。接着选取按照适应度函数的大小从高到低排列的最中间的点和最高点,在粒子群中每进行一次速度位置迭代后,进行3次最速下降法的迭代,直到最终逼近全局最优解为止,将这种改进算法称之为ZK_PSO_SD算法。通过利用测试问题来验证,LA_PSO_SD算法和ZK_PSO_SD算法进行对比,得出的结论是ZK_PSO_SD算法精度准确,迭代次数少,是一种成功的改进优化算法。处理选址问题中可能遇到的多目标优化问题,有很多方法,本文采取的方法就是把实际生活中常见的多目标约束选址优化问题,通过添加参数和运用约束处理方法,将它化为单目标约束选址优化问题来解决,然后利用前文提出的嵌入最速下降法的改进的粒子群优化算法ZK_PSO_SD算法来进行求解,这样就可以为解决多目标选址问题提供了一个新的解决途径。
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18

【相似文献】

中国期刊全文数据库 前10条

1 蒙正中;;一种改进的混合粒子群优化算法[J];桂林工学院学报;2009年03期

2 吴昌友;王福林;马力;;一种新的改进粒子群优化算法[J];控制工程;2010年03期

3 周驰,高海兵,高亮,章万国;粒子群优化算法[J];计算机应用研究;2003年12期

4 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期

5 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期

6 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期

7 刘钊,康立山,蒋良孝,杨林权;用粒子群优化改进算法求解混合整数非线性规划问题[J];小型微型计算机系统;2005年06期

8 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

9 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期

10 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期

中国重要会议论文全文数据库 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

中国博士学位论文全文数据库 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

中国硕士学位论文全文数据库 前10条

1 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

2 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

3 曾祥琦;基于时差法的结构裂纹扩展定位研究[D];南京航空航天大学;2015年

4 徐向平;粒子群优化算法及其在生物数据聚类中的应用[D];江南大学;2016年

5 杨博宇;多群协同多目标粒子群优化算法及其应用研究[D];东北大学;2014年

6 赵俊波;基于改进粒子群优化算法的人员疏散问题研究[D];辽宁科技大学;2016年

7 李万程;基于改进粒子群优化算法的图像去噪和图像分割研究[D];天津工业大学;2016年

8 朱润水;基于多目标粒子群优化的SDN网络能耗感知负载均衡研究[D];山东大学;2016年

9 王培坤;多粒子群优化算法的串行硬件结构实现[D];华南理工大学;2016年

10 赵亚光;多目标粒子群优化算法研究及在HEV参数优化中应用[D];南京信息工程大学;2016年

，

本文编号：1258989