粒子群優(yōu)化的鄰居拓?fù)浣Y(jié)構(gòu)和算法改進(jìn)研究.pdf

1、重慶大學(xué)博士學(xué)位論文粒子群優(yōu)化的鄰居拓?fù)浣Y(jié)構(gòu)和算法改進(jìn)研究姓名：陳自郁申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)指導(dǎo)教師：何中市20091201重慶大學(xué)博十學(xué)位論文兩類算法利用粒子的自身特性和鄰居狀態(tài)，在環(huán)形結(jié)構(gòu)的基礎(chǔ)上通過(guò)不斷擴(kuò)充鄰居來(lái)提高性能。在PSOSADN算法中根據(jù)粒子和鄰居最優(yōu)位置的關(guān)系，定義了粒子的擴(kuò)充概率來(lái)自適應(yīng)地調(diào)整粒子的擴(kuò)充速度；同時(shí)，利用無(wú)團(tuán)鄰居拓?fù)浣Y(jié)構(gòu)的性質(zhì)提出了三種鄰居擴(kuò)充策略，由此得到三個(gè)不同的PSO算法(PSOS

2、ADNl、PSOSADN2和PSOSADN3)。PSODNE算法則基于控制“富人節(jié)點(diǎn)”影響力的思想，通過(guò)定義粒子鄰居擴(kuò)充因子和鄰居擴(kuò)充與約束策略來(lái)調(diào)整粒子的鄰居擴(kuò)充行為和擴(kuò)充速度。與基于不同鄰居結(jié)構(gòu)的PSO算法的比較實(shí)驗(yàn)，結(jié)果表明：PSOSADNl算法具有較快的收斂速度，PSOSADN2算法具有較好的平衡性能，而PSOSADN3和PSODNE算法在全局尋優(yōu)能力方面表現(xiàn)較好。實(shí)驗(yàn)還分析了擴(kuò)充行為對(duì)算法性能的影響。⑤設(shè)計(jì)了一種基于動(dòng)態(tài)子群的

3、混合粒子群優(yōu)化算法(HPSODS)。FIPSODS算法依據(jù)粒子的適應(yīng)值特性，采用層次聚類將粒子動(dòng)態(tài)地分為多個(gè)子群；并按照各子群的性能，將它們歸為四類；每類采用不同作用的進(jìn)化策略，合作實(shí)現(xiàn)優(yōu)化任務(wù)。算法引入種群熵控制聚類頻率，引入高斯變異和分段線性混沌映射設(shè)計(jì)出四種不同的進(jìn)化策略，實(shí)現(xiàn)了不同區(qū)域、不同目的的尋優(yōu)。通過(guò)實(shí)驗(yàn)分析了子群數(shù)和四種進(jìn)化策略對(duì)算法的影響，給出了子群數(shù)的選擇范圍。與其它著名的PSO算法對(duì)比實(shí)驗(yàn)，結(jié)果表明：HPSODS算

4、法在典型的單模和多模測(cè)試函數(shù)中均顯示出更強(qiáng)的全局搜索能力、更高的求解精度、更快的收斂速度以及更好的穩(wěn)定性。⑥建立了一種新的解決集合組合優(yōu)化問(wèn)題的離散粒子群優(yōu)化模型(SDPSO)，并由此設(shè)計(jì)出背包問(wèn)題的集合解決方法。SDPSO模型將集合概念和運(yùn)算引入到粒子群優(yōu)化中，定義了一個(gè)可變集合搜索空間，重新定義了粒子的位置、速度及作用于此空間的運(yùn)算規(guī)則。采用四個(gè)不同規(guī)模的背包實(shí)例進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果顯示基于該模型的算法具有較強(qiáng)的尋優(yōu)能力和較快的收斂速