基于粒子群優(yōu)化和差分進化的智能算法研究.pdf_第1頁
已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、粒子群優(yōu)化算法和微分進化算法是近年來提出的兩種簡單而高效的進化算法,因為它們易于理解和實現(xiàn),以及受控參數(shù)少等優(yōu)點,一經(jīng)提出就得到了廣泛的研究和應用。本文詳細闡述了二者的基本內(nèi)容,基于粒子群優(yōu)化算法和微分進化算法提出了兒種新的優(yōu)化算法,并重點研究了PSO和DE算法在K-means聚類優(yōu)化問題中的應用。主要研究內(nèi)容如下:
   ⑴對PSO算法和DE算法的原理進行了詳細地闡述,分析了參數(shù)設置對算法優(yōu)化效果的影響,給出了算法流程。

2、>   ⑵給出兩種改進的粒子群算法.一是帶有自適應變異的量子粒子群優(yōu)化算法,根據(jù)群體適應度方差和空間位置聚集度構(gòu)造自適應變異算子,以增加種群的多樣性,從而達到全局尋優(yōu);二是提出了混沌量子粒子群算法,利用混沌初始化避免種群出現(xiàn)聚結(jié)現(xiàn)象,對全局極值添加混沌擾動實現(xiàn)全局尋優(yōu),通過典型的函數(shù)測試表明,這兩種改進算法既克服了標準粒子群優(yōu)化算法易出現(xiàn)早熟收斂的缺陷,又提高了算法的搜索速度和收斂精度,在很大程度上改善了標準粒子群算法的性能。

3、   ⑶提出了一種帶有自適應變異的混合差分進化算法,采用DE/best/1和DE/rand/1線性遞減加權(quán)組合變異方案。引入開口向上拋物線縮放因子取值策略和指數(shù)遞增交叉概率因子,以平衡局部搜索和全局搜索能力,提高算法的全局尋優(yōu)能力。后期,根據(jù)適應度方差和空間位置聚集度進行自適應變異增加種群的多樣性。實驗結(jié)果表明新算法是一種收斂速度快、求解精度高、魯棒性較強的全局優(yōu)化算法。
   ⑷針對K均值算法易陷入局部尋優(yōu)及對初始值敏感的缺

4、點,結(jié)合PSO和DE算法全局尋優(yōu)能力強的特性。將K-means算法的迭代過程由PSO和DE算法來替代,協(xié)同進化,比較兩種算法的最優(yōu)值,輸出尋優(yōu)結(jié)果較好的,利用不同的評判指標進行評判,并與基本K-means算法、基于PSO優(yōu)化的K均值聚類算法(KPSO)及基于DE算法的K均值聚類算法(KDE)進行比較,實驗結(jié)果表明,融合PSO和DE的改進的K-means算法,有很強的全局尋優(yōu)能力,是一種可靠的聚類方法。同時,也增強了PSO和DE算法的應用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論