基于鄰域和自適應(yīng)學(xué)習(xí)的粒子群算法研究及應(yīng)用.pdf

1、群智能優(yōu)化算法作為一種新興的智能計(jì)算技術(shù),已經(jīng)受到眾多學(xué)者關(guān)注。粒子群優(yōu)化算法作為其中一種群智能優(yōu)化算法,成為目前優(yōu)化算法中的一個(gè)研究熱點(diǎn)。粒子群算法是一種較新的隨機(jī)優(yōu)化技術(shù),是一種模擬鳥(niǎo)群的覓食行為的算法,在處理優(yōu)化問(wèn)題時(shí)具有較快的收斂速度,但易陷入局部最優(yōu)。本文通過(guò)研究標(biāo)準(zhǔn)粒子群優(yōu)化算法的進(jìn)化模式、拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)策略,針對(duì)其存在的優(yōu)點(diǎn)和缺點(diǎn),提出三種改進(jìn)算法,并將其中一種改進(jìn)算法應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化問(wèn)題,具體的研究?jī)?nèi)容如下:

2、
　　(1)為克服標(biāo)準(zhǔn)粒子群優(yōu)化算法在復(fù)雜優(yōu)化問(wèn)題上易出現(xiàn)早熟收斂、多樣性缺失等缺點(diǎn),提出自適應(yīng)子空間高斯學(xué)習(xí)的粒子群優(yōu)化算法。算法提出適應(yīng)值離散度和子空間高斯學(xué)習(xí)的概念,以自適應(yīng)地調(diào)整參數(shù)和搜索策略,幫助算法逃離局部最優(yōu)。同時(shí),提出鄰域?qū)W習(xí)策略,引入鄰域最優(yōu)粒子,當(dāng)前粒子的鄰域在進(jìn)化過(guò)程中動(dòng)態(tài)構(gòu)建,增強(qiáng)種群的多樣性。最后,本文將改進(jìn)的算法應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化問(wèn)題,使得無(wú)線傳感器有較均勻的分布和較高的覆蓋率。
　　(

3、2)針對(duì)標(biāo)準(zhǔn)粒子群算法易陷入局部最優(yōu)、進(jìn)化后期收斂速度慢和收斂精度低的缺點(diǎn),提出一種基于高斯擾動(dòng)的粒子群優(yōu)化算法。算法采用對(duì)粒子個(gè)體最優(yōu)位置加入高斯擾動(dòng)策略,有效地防止算法陷入局部最優(yōu),加快收斂速度并提高收斂精度。
　　(3)為解決標(biāo)準(zhǔn)粒子群優(yōu)化算法在進(jìn)化后期收斂速度變慢的問(wèn)題,提出了一種改進(jìn)的反向?qū)W習(xí)粒子群優(yōu)化算法(IOPSO)。算法讓每個(gè)粒子生成相應(yīng)的反向粒子,擴(kuò)大搜索區(qū)域范圍,增強(qiáng)算法的全局搜索能力;同時(shí),讓當(dāng)前粒子向其反向