群体智能算法的若干改进研究

发布时间：2020-12-28 01:07

　　许多现实世界的问题可以转化为优化问题。因此,优化是工程应用和科学研究的一个重要领域。然而,一些困难的优化问题通常具有复杂性,高度非线性,不可微分性等复杂特性。传统的数学和分析方法对于解决这些困难的优化问题是低效率的和无效的。因此,越来越需要更有效的算法。近几十年来,已经提出了一些新的进化算法（EA）。群体智能算法是进化算法的一个分支。粒子群优化（PSO）算法是目前最流行和最有效的群体智能算法之一,它是一种基于种群的元启发式算法。PSO的主要思想是模拟鸟类群体的集体协作行为。PSO使用一种模仿群鸟群体行为的简单机制,引导这些粒子搜索全局最优解。与其他进化算法类似,PSO是基于种群的迭代算法。由于其实现简单,PSO已被成功应用于解决许多现实世界的问题。粒子群优化算法有两个主要缺点:相对弱开采能力和在复杂的多模问题上早熟收敛。因此,粒子群算法的改进是非常具有挑战性和有意义的。烟花算法（FWA）是一种相对较新的群体智能算法,是通过模拟夜空中烟花的爆炸过程而开发出来的。FWA的主要思想是利用烟花的爆炸来搜索优化问题的可行空间。烟花以及新产生的火花代表了搜索领域的潜在解。为了保证全局和局部搜索的多... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：145 页

【学位级别】：博士

【部分图文】：

OPSO和PSOCO在单模函数厂和五上的收效过程

北京邮电大学工学博士学位论文??下其他算法显著好于ＰＳＯＣＯ。“Ｂｅｔｔｅｒ”的数值减去“Ｗｏｒｓｅ”的数值是“Ｍｅｒｉｔ”的数值，??代表了?ＰＳＯＣＯ显著好于其他算法的个数。根据表３－７的结果可以看出，ＰＳＯＣＯ好于其??他对比的算法。??２５?Ｉ???????．＝＝＝ｗ４????????，??

第四章具有双差分变异的粒子群算法??４．３．３第二组对比算法和ＰＳＯＴＤ的实验结果和分析??表４＿６和表４－７列出了六个算法在第一个测试函数集上的实验结果。图４－３到图??４－６显示出了六个算法在八个函数上一次运行的收敛曲线图。通过观察这些收敛曲线，??我们可以更好地理解这些算法的搜索行为。在这些图中，为了节省空间，ＤＥ／ｒａｎｄ／１、??ＤＥ／ｃｕｒｒｅｎｔ－ｔｏ－ｂｅｓｔ／１、％ＰＳＯ：ＤＥ／ｒａｎｄ／ｌ?和?ＣＬＰＳＯ：ＤＥ／ｒａｎｄ／ｌ?分别简写为?ＤＥｒｌ、ＤＥｃｕｒｌ、??ｘＤＥｒｌ?和?ＣＬＤＥｒｌ。??表４－６列出了六个算法在八个单模函数上的实验结果。表４－６中的结果表明，在??／ｉ、／２和；ＤＴＴＰＳＯ有最好的性能。图４－３和图４－４也表明ＤＴＴＰＳＯ在这三个函数??上有最快的收敛速度。主要原因是ＤＴＴＰＳＯ采用了动态锦标赛拓扑环策略。在这三??个测试函数上，ＤＥ／ｒａｎｄ／１算法的性能是第二。ＤＥ／ｒａｎｄ／１算法擅长求解／７和／９。??ｘＰＳＯ：ＤＥ／ｒａｎｄ／ｌ算法和ＣＬＰＳＯ：ＤＥ／ｒａｎｄ／ｌ算法在许多单模函数上有相近的性能。显然??ＤＥ／ｒａｎｄ／１变异策略起了很重要的作用。同其他五个算法相比，ＰＳＯＴＤ在函数／５和／６??上有最好的性能。??仂５０??，?，???


本文编号：2942844