基于模糊推理的自适应粒子群算法研究

发布时间：2022-01-23 22:29

　　智能优化算法是近年来信息科学和计算机等领域的研究热点之一。如何提高该类算法在复杂环境中的搜索性能是该领域的关键问题和研究热点。粒子群算法（Particle Swarm Optimization,PSO）是一种智能优化算法。与其它优化算法相比,粒子群算法参数少、操作简单、容易实现。这些优点使它受到了许多学者的关注。目前粒子群算法已经广泛应用于模糊控制、车辆路径调度、模式识别、产品运营、广告优化、供应链优化等方面并取得了丰硕成果,但是它也存在着容易早熟收敛、迭代后期收敛慢、鲁棒性较差等问题,尤其在处理高维复杂问题时有可能陷入局部最优。为了进一步提高粒子群算法的搜索性能,在深入分析带收缩因子的粒子群算法（PSO with Constriction Factor,CFPSO）的特点基础上提出了基于模糊推理的自适应改进方法。主要思想是利用粒子种群信息,进行模糊推理动态调整算法的主要参数:一方面对学习因子进行模糊自适应调整,以平衡粒子个体向自身经验和向群体经验学习的能力;另一方面,通过模糊规则动态调整收缩因子,平衡粒子的全局搜索能力和局部搜索能力。通过对多个基准测试函数的仿真试验,并与标准的粒子群... 

【文章来源】：青岛大学山东省

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

图2.1粒子在二维空间移动过程示意图

12图 2.2 粒子群算法流程图adeh 首次提出模糊集概念，并创立他的著作中提出了关于模糊逻辑控mdani 教授根据模糊控制原理设了制中，模糊控制论由此诞生[46]。该和思维过程用比较简单的数学形式意义。模糊集、模糊规则、隶属度。

所以它的界线是不清晰的、模糊的。例如： ~A 年轻人 ； ~B 学习好的同学 ； ~C 有钱人文献[44]中Zadeh用如下方法表示模糊集：假设 是一个普通集合，从集合 到区间[0,1]的映射~A称为 上的一个模糊集合。1 表示 隶属于模糊集合~A的程度，称为隶属度。1 ( ) 为隶属度函数。若 为离散集合，则形式地表示为： ~ ~( ( )/ )A A2-(7)若 为连续集合，则形式地表示为： ~ ~( ( )/ )A A2-(8)其中，“积分”符号表示各个元素与其隶属度对应关系的总和。（2）隶属度函数隶属度函数表示模糊集合中元素对集合的隶属程度。隶属度函数是模糊集合论的基础。目前，三角形和梯形隶属度函数是最常用的隶属度函数。

【参考文献】：
期刊论文
[1]基于模糊推理的带收缩因子的粒子群算法[J]. 赵珊,张纪会,朱玉菲.  青岛大学学报(工程技术版). 2018(03)
[2]粒子群优化算法的性能分析和参数选择[J]. 王东风,孟丽.  自动化学报. 2016(10)
[3]基于自适应变异概率粒子群优化算法的研究[J]. 黄松,田娜,纪志成.  系统仿真学报. 2016(04)
[4]一种新的群体智能算法——狼群算法[J]. 吴虎胜,张凤鸣,吴庐山.  系统工程与电子技术. 2013(11)
[5]粒子群优化算法模型分析[J]. 潘峰,陈杰,甘明刚,蔡涛,涂序彦.  自动化学报. 2006(03)
[6]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新.  系统工程理论与实践. 2002(11)

博士论文
[1]量子行为粒子群优化算法研究[D]. 孙俊.江南大学 2009



本文编号：3605277