結合遺傳算法的粒子群優(yōu)化模型及其應用研究.pdf

1、群體智能(swarm intelligence)作為一個新興領域，自從20世紀80年代出現(xiàn)以來，引起了多個學科領域研究人員的關注，已經(jīng)成為人工智能以及經(jīng)濟、社會、生物等交叉學科的熱點和前沿領域。其中，1995年提出的微粒群算法也已經(jīng)成功地應用于多個領域。它與遺傳算法類似，也有初始種群經(jīng)過一步步迭代進化，但是，PSO沒有遺傳操作(如交叉算子和變異算子)，而是根據(jù)自己的速度來決定搜索過程，而且微粒具有記憶性，它的信息共享機制也不同于GA，在

2、遺傳算法中，染色體之間互相共享信息，所以單個種群的移動是比較均勻地向最優(yōu)區(qū)域移動，而在PSO中，只有最優(yōu)的粒子把信息給予其他的粒子，這是單向的信息流動，整個搜索更新過程是跟隨當前最優(yōu)解的過程，與遺傳算法比較，在大多數(shù)的情況下，所有的粒子可能更快的收斂于最優(yōu)解。由于微粒群算法簡單，容易實現(xiàn)，越來越多的學者對它進行了研究，已成為一個研究的熱點問題。 隨著市場競爭的日趨激烈，社會的消費觀念不斷發(fā)生變化，產(chǎn)品的功能已不再是消費者決定購買

3、的最主要因素。產(chǎn)品的創(chuàng)新性、環(huán)保性、宜人性、外觀造型等因素愈來愈受到重視，在競爭中占據(jù)突出地位。在這種情況下，許多企業(yè)都意識到產(chǎn)品設計將成為搶占市場的決定性因素，因而試圖通過產(chǎn)品的創(chuàng)新性來獲得核心競爭力。創(chuàng)新設計能夠滿足求新和多變的市場需求，有效地提高產(chǎn)品的市場競爭力。因此，創(chuàng)新設計研究倍受國內外相關學者的關注。 到目前為止，尚未有一種系統(tǒng)化的方法引導設計者有條理的進行創(chuàng)新設計。大多數(shù)的設計實例不是憑空創(chuàng)造新產(chǎn)品，而是在現(xiàn)有產(chǎn)品

4、的基礎上對其進行修改，以改進產(chǎn)品的質量和性能，滿足用戶需求。智能算法的興起，為我們探索新的概念創(chuàng)新設計途徑提供了很好的支持。 本文致力于研究結合遺傳算法的粒子群優(yōu)化模型的建立及其應用問題，目的是通過研究新的、適用于創(chuàng)新設計的優(yōu)化機制，將已有的進化設計的研究融入到新的智能算法中，為設計師創(chuàng)新思路的開拓提供支撐平臺。主要工作為： 1.提出一種基于云模型的進化機制云是用語言值表示的某個定性概念與其定量表示之間的不確定轉換模型，

5、它把不確定，性概念的模糊性和隨機性有機地結合在一起，成功地解決了定性概念與定量值之間的轉換。而創(chuàng)新概念設計本身也帶有一定的不確定性，基于此，本文在標準GA的基礎之上，將云模型引入了遺傳變異之中，保留了原有算法的全局優(yōu)化能力，能夠克服原有遺傳算法的缺點，加快設計速度，拓寬設計思路，能夠增強構件概念設計的創(chuàng)新性。 2.提出一種基于動態(tài)小生境的微粒群優(yōu)化模型自然界的小生境為新物種的形成提供了可能性，是生物界保持近乎無限多樣性的根本原因

6、之一?，F(xiàn)有的微粒群算法及其變種都有著收斂速度慢、容易陷入局部極值問題，再針對目前創(chuàng)新概念設計的特點，本文提出一種改進的基于動態(tài)小生境的微粒群優(yōu)化模型。 3.將GA與PSO相結合，提出結合遺傳算法的粒子群優(yōu)化技術在動態(tài)小生境微粒群算法的基礎上，引入雜交及變異機制，使微粒群具有遺傳特性，雜交能充分利用現(xiàn)有的信息，而變異能夠產(chǎn)生新的解以擴大搜索的范圍，在新解產(chǎn)生時，對其進行雜交，以產(chǎn)生更好的解，當搜索陷入停滯階段時再對其進行變異，雜

7、交和變異可以互補的，將兩者結合實現(xiàn)了優(yōu)勢互補，從而減少計算時間以及避免早熟現(xiàn)象。 4.實現(xiàn)了一個基于結合遺傳算法的粒子群優(yōu)化技術的手機創(chuàng)新設計系統(tǒng)將結合遺傳算法的粒子群優(yōu)化技術應用于手機創(chuàng)新設計領域，設計并實現(xiàn)了一個手機創(chuàng)新設計系統(tǒng)。系統(tǒng)三維引擎ACIS為造型內核，采用SQL Server2000數(shù)據(jù)庫系統(tǒng)，利用VC++．NET2003在WindowsXP平臺上開發(fā)完成。分別針對手機構件的設計、選擇、組裝優(yōu)化等等進行了實驗分析，