粒子群优化算法及其应用研究

发布时间：2017-06-22 12:11

  本文关键词：粒子群优化算法及其应用研究，由笔耕文化传播整理发布。

【摘要】： 在经济计划、工程设计、生产制造、交通运输、信息处理等领域存在着大量的最优化问题,即在众多可行的决策方案中寻求最优方案。有效解决这些问题不仅具有重要的社会意义,而且也能产生巨大的经济效益。最优化作为一个独立的数学分支,其目的就是为了解决最优化问题,而具体解决最优化问题的方法就被称为最优化方法。传统的优化方法,如牛顿法、迭代法等是以数学为基础,对问题的描述有严格的要求,通常要求问题的目标函数和约束条件是连续可微的。而随着先进制造技术的发展,实际的优化问题变得越来越复杂,这使得传统的优化方法越发显得无能为力,因此,亟待寻求面向复杂问题的新优化方法。 进化计算源于人们对自然界或生物界一些现象的观察和模拟。相对于传统的优化方法,以进化计算为代表的仿生智能优化方法通常对各类复杂优化问题具有很强的适应性、鲁棒性和并行处理等优点,并被广泛地应用于科学研究和工业生产等众多领域。粒子群算法作为进化算法中的一种,由于其参数较少、且易于实现等特点,因此一经提出,就在许多领域得到了成功的应用。本文基于粒子群算法,对单目标规划和生产调度等问题进行了研究,提出了一些优化算法,并通过大量的实验对算法的性能进行了验证,实验结果表明,本文提出的算法能够有效地克服粒子群算法过早收敛,同时求解质量也有了明显的改进。主要研究内容如下: 1、以单目标非线性规划问题为研究对象,提出了一种混合的粒子群算法PSO-EM。该算法结合了粒子群算法的自我改进的思想(每个粒子都通过信息交互不断地进行学习)和类电磁机制算法的吸引-排斥机制,粒子群算法和类电磁机制算法交替执行,在执行完粒子群算法后,将类电磁机制算法的吸引-排斥机制作用于粒子的当前个体最优,迫使粒子的当前个体最优再次向更好的位置移动。因此,粒子的当前个体最优的更新不仅依赖当前群体最优,也受到其他粒子的当前个体最优的影响,通过这种方式来加快算法的收敛速度。实验结果表明,PSO-EM算法无论是在收敛速度、收敛精度以及成功率上都有了明显的提高。 2、提出了一种基于多群体的改进粒子群算法IMPSO求解单目标非线性规划问题。该算法采用有偏(类似人才层次结构)的群体划分方式,将整个群体划分为三个规模不均等的子群体,不同的子群体采取不同的速度更新策略。最优子群体(better-population)的目的是加快收敛速度,最差子群体(worse-population)的目的是为了有机会探寻更大的搜索空间,减少陷入局部极值的可能。而次优子群体(middle-population)的作用则是为了实现对搜索空间进行更大范围探索和已确定搜索范围内开采间的平衡。同时,通过引入变异策略来进行局部精细搜索,并利用不同群体间的交叉来维护群体的多样性,避免早熟收敛。通过与一些经典的粒子群算法以及有代表性的新粒子群算法的实验对比,验证了算法的有效性和高效性。 3、置换流水车间调度问题是比较典型的生产调度问题,要求多个作业在不同的机器上进行加工,并且每台机器上的所有作业的加工顺序都必须相同。针对该问题,提出一种混合粒子群算法HDCPSO。HDCPSO算法利用迭代贪心算法(Iterated Greedy Algorithm,IG)的作业毁坏(Destruction)与构造(Construction)机制来对粒子的当前个体最优进行变异操作,并且通过引入个体徘徊的概念来控制变异发生的条件,防止粒子过早地发生停滞,降低群体早熟收敛的概率。其次,算法采用了粒子重新初始化策略,通过对部分较差粒子(适应度较差或者多样性较差)进行重新初始化以保证群体的多样性。同时,采用了基于插入邻域的局部搜索机制,通过对最优个体的插入邻域进行搜索,试图找到更好的解来提高算法的收敛速度。针对不同规模问题,与现有一些算法的实验对比表明,HDCPSO算法无论在求解质量,还是稳定性方面都优于对比算法。 4、针对两阶段装配调度问题,提出离散粒子群算法DPSO。两阶段装配调度问题可以认为是流水调度问题的扩展,整个作业的加工分为两个阶段,每个操作都要在不同的机器上进行加工,最后一个操作要在第二阶段进行处理,并且每个作业的最后一个操作只有在第一阶段的操作加工完成后才能开始在第二阶段的机器上进行加工。本文中首先重新定义了粒子的速度,并根据速度相应地修改了粒子的移动。为了避免算法过早地陷入局部极值,增加了对粒子的自适应变异操作,引入了个体强度,利用个体强度来控制个体变异,并根据个体适应度来决定变异的模式。同时,通过基于交换邻域的搜索机制来强化个体的局部搜索能力,提高算法的收敛速度。最后在不同规模的问题上进行实验对比,验证了算法的有效性,该算法在最优解质量上优于其他对比算法,并且在执行时间上也具有较强的竞争力。 近年来,对粒子群优化算法及其应用的研究已经得到了国内外众多学者的关注,并且涌现了大量的改进算法和新的应用。本文对粒子群算法求解规划问题和生产调度问题进行了研究,并提出了一些更有效的优化算法。在粒子群算法的改进、混合等研究以及在更多领域的应用上,本文的研究工作具有一定的理论意义和应用价值。
【关键词】：最优化问题 粒子群优化算法 规划问题 生产调度问题
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：TP301.6
【目录】：

• 摘要4-6
• Abstract6-12
• 第1章 绪论12-22
• 1.1 研究背景和意义12-15
• 1.1.1 最优化问题12-13
• 1.1.2 最优化问题分类13-14
• 1.1.3 最优化方法14-15
• 1.2 规划问题15-17
• 1.2.1 非线性规划16-17
• 1.2.2 研究现状17
• 1.3 生产调度问题17-20
• 1.3.1 问题描述18
• 1.3.2 研究现状18-20
• 1.4 本文工作及组织结构20-22
• 第2章 相关算法综述22-32
• 2.1 引言22
• 2.2 粒子群算法22-27
• 2.2.1 标准粒子群算法23-25
• 2.2.2 离散粒子群算法25-26
• 2.2.3 粒子群算法的改进研究26
• 2.2.4 粒子群算法的应用26-27
• 2.3 类电磁机制算法27-29
• 2.4 遗传算法29-30
• 2.5 分散搜索算法30-31
• 2.6 本章小结31-32
• 第3章 混合粒子群算法求解单目标规划问题32-44
• 3.1 引言32
• 3.2 问题描述32
• 3.3 PSO-EM算法描述32-35
• 3.3.1 算法描述32-34
• 3.3.2 算法分析34-35
• 3.4 实验对比35-42
• 3.4.1 测试问题35-37
• 3.4.2 实验环境37
• 3.4.3 实验结果37-42
• 3.5 本章小结42-44
• 第4章 多群体改进粒子群算法求解单目标规划问题44-58
• 4.1 引言44
• 4.2 问题描述44
• 4.3 IMPSO算法描述44-48
• 4.3.1 群体划分和速度更新45-47
• 4.3.2 算法描述47-48
• 4.3.3 算法分析48
• 4.4 实验对比48-57
• 4.4.1 测试问题48-50
• 4.4.2 实验环境50
• 4.4.3 实验结果50-57
• 4.5 本章小结57-58
• 第5章 混合粒子群算法求解置换流水车间调度问题58-82
• 5.1 引言58
• 5.2 问题描述58-59
• 5.3 数学模型59
• 5.4 IG算法介绍59-60
• 5.5 HDCPSO算法描述60-68
• 5.5.1 粒子的表示61
• 5.5.2 群体初始化61
• 5.5.3 速度和位置更新61-62
• 5.5.4 交叉操作62-63
• 5.5.5 变异操作63-64
• 5.5.6 局部搜索64-65
• 5.5.7 重新初始化65-67
• 5.5.8 算法描述67-68
• 5.6 实验对比68-79
• 5.6.1 实验环境68
• 5.6.2 RPTL交叉的作用68-70
• 5.6.3 参数设置70-71
• 5.6.4 实验结果71-79
• 5.7 本章小结79-82
• 第6章 离散粒子群算法求解两阶段装配调度问题82-104
• 6.1 引言82
• 6.2 问题描述82-83
• 6.3 数学模型83-85
• 6.4 DPSO算法描述85-92
• 6.4.1 粒子的表示85
• 6.4.2 粒子的移动85-87
• 6.4.3 变异操作87-89
• 6.4.4 局部搜索89-90
• 6.4.5 群体初始化90-91
• 6.4.6 算法描述91-92
• 6.5 实验对比92-102
• 6.5.1 测试问题92
• 6.5.2 实验环境92
• 6.5.3 参数设置92-94
• 6.5.4 实验结果94-102
• 6.6 本章小结102-104
• 第7章 结论与展望104-106
• 参考文献106-114
• 作者简介及科研成果114-115
• 致谢115

【引证文献】

中国期刊全文数据库 前5条

1 阮海贵;谭毅华;鹿明明;田金文;;神经网络的粒子群优化算法及其在地震预测中的应用[J];计算机与数字工程;2013年02期

2 路杨;张晓丽;;CW-PSO及其在古建筑传感器优化配置中的应用研究[J];计算机工程与应用;2013年05期

3 朱悦;吴建华;方颖;;SVM在冠心病分类预测中的应用研究[J];生物医学工程学杂志;2013年06期

4 宫蓉蓉;;基于小波变异粒子群优化算法和二维模糊熵的图像分割[J];长沙民政职业技术学院学报;2013年04期

5 王莉荣;祁云嵩;;基于函数最优解问题的粒子群算法改进[J];计算机技术与发展;2013年02期

中国博士学位论文全文数据库 前4条

1 姜允志;若干仿生算法的理论及其在函数优化和图像多阈值分割中的应用[D];华南理工大学;2012年

2 王兆坤;洪涝灾害下电力损失及停电经济影响的综合评估研究[D];湖南大学;2012年

3 叶南海;机械疲劳寿命预测与可靠性设计关键技术研究[D];湖南大学;2012年

4 陈玲侠;矿山空间数据处理分析及三维实体建模应用研究[D];长安大学;2013年

中国硕士学位论文全文数据库 前10条

1 杨薇;面向大型活动的动态交通诱导疏散关键技术研究[D];吉林大学;2011年

2 梁宵;地下矿床开拓系统空间优化的粒子群方法[D];武汉理工大学;2011年

3 刘忠辉;综合负荷模型参数辨识及负荷特性分类综合方法研究[D];山东大学;2011年

4 张翠平;面向微生物发酵过程的优化控制方法的研究与应用[D];北京工业大学;2011年

5 赵玲玲;基于改进PSO的发酵补料速率的优化控制[D];大连理工大学;2011年

6 朱兴涛;多目标拆卸线平衡问题的群集智能优化算法研究[D];西南交通大学;2012年

7 吕欢欢;面向客户需求融合的产品设计方案优选模型及应用[D];浙江工商大学;2013年

8 江丽;基于粒子群与模拟退火算法的BP网络学习方法研究[D];安徽大学;2013年

9 侯铮亮;产能约束下半导体芯片测试生产线调度优化研究[D];西南交通大学;2013年

10 陈玉艳;大型活动交通组织优化及疏散研究[D];石家庄铁道大学;2013年

  本文关键词：粒子群优化算法及其应用研究，，由笔耕文化传播整理发布。

本文编号：471783