區(qū)間自適應(yīng)粒子群算法研究及其應(yīng)用.pdf

1、粒子群優(yōu)化算法(PSO)是一種新穎的群體智能優(yōu)化算法,該算法是由Kennedy和Eberhart在1995年提出的,源于對鳥群和魚群等群體行為的模擬仿真得到的。粒子群優(yōu)化算法簡單明了,易于實(shí)現(xiàn),可調(diào)控的參數(shù)很少,且算法收斂速度快。粒子群優(yōu)化算法這些優(yōu)點(diǎn)受到了越來越多學(xué)者的關(guān)注,目前很多人對其進(jìn)行了研究,并將PSO運(yùn)用到函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制、模式識別以及其他遺傳算法等領(lǐng)域中,具有很好的工程應(yīng)用的前景。
　　 本文主

2、要對PSO的基本原理、算法參數(shù)的影響、PSO算法的改進(jìn)以及在入侵檢測系統(tǒng)中的應(yīng)用作了詳細(xì)研究,所做的工作主要包括如下:
　　 詳細(xì)地分析了粒子群優(yōu)化算法中慣性權(quán)重因子、收縮因子、種群拓?fù)浣Y(jié)構(gòu)對PSO算法性能的影響,并就慣性權(quán)重因子的影響進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)表明,帶非線性慣性權(quán)重的PSO算法效果最好,具有很強(qiáng)的適應(yīng)性。另外,對PSO算法從理論上進(jìn)行了探討,包括對粒子群算法的空間軌跡、數(shù)學(xué)形式、收斂性等方面的分析和討論,仿真結(jié)果揭示了單

3、個粒子的運(yùn)動軌跡在一定的程度上反映了整個粒子群的變化趨勢。
　　 基本粒子群算法不能解決離散問題,且容易過早收斂而導(dǎo)致早熟問題。針對這種情況,本文關(guān)注了粒子群算法的若干改進(jìn)方法:離散PSO、混沌PSO、模擬退火PSO和免疫PSO,但是,在處理大量數(shù)據(jù)時(shí),PSO的優(yōu)化速度和精度大打折扣,針對這個問題本文提出了一種新的區(qū)間自適應(yīng)粒子群算法,通過在一個自適應(yīng)區(qū)間上動態(tài)優(yōu)化PSO算法的權(quán)重配置,并采用SVM方法作為優(yōu)化工具,將其應(yīng)用到入