

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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、粒子群算法(Particle Swarm Optimization, PSO)是一種基于群體智能的優(yōu)化方法,由Kennedy和Eberhart 于1995年提出。由于其具有快速收斂和易于實(shí)現(xiàn)等特點(diǎn),因此粒子群算法在智能計(jì)算、任務(wù)調(diào)度、交通優(yōu)化、電信路由、電路設(shè)計(jì)等多個(gè)領(lǐng)域得以廣泛應(yīng)用,成為計(jì)算智能領(lǐng)域研究的新熱點(diǎn)。
雖然粒子群算法及其眾多的改進(jìn)算法已經(jīng)被成功地運(yùn)用到一些靜態(tài)問題的優(yōu)化上,但是,很多現(xiàn)實(shí)問題往往是隨時(shí)間變化而
2、變化的,這些動態(tài)變化的問題要求算法能夠?qū)Νh(huán)境的變化快速反應(yīng),對變化的最優(yōu)解快速跟蹤。這給粒子群算法以及整個(gè)演化計(jì)算方法帶來了新的挑戰(zhàn)。
本文從理論、方法和應(yīng)用三個(gè)方面對動態(tài)環(huán)境下粒子群算法進(jìn)行研究。論文內(nèi)容主要包括以下三個(gè)部分:
第一部分旨在對粒子的運(yùn)動行為和粒子群算法的收斂性進(jìn)行分析。首先構(gòu)造李雅普諾夫函數(shù),對單個(gè)粒子的運(yùn)動行為進(jìn)行了分析,給出了粒子運(yùn)動穩(wěn)定的條件。然后利用隨機(jī)過程理論,證明了粒子位置序列均
3、方穩(wěn)定。在對單個(gè)粒子運(yùn)動行為分析的基礎(chǔ)上,分析了粒子群體運(yùn)動行為,證明了群體運(yùn)動的穩(wěn)定性。最后從隨機(jī)優(yōu)化算法收斂性判定標(biāo)準(zhǔn)入手,分析了粒子群算法的收斂性,提出了一種保證全局收斂的改進(jìn)粒子群算法,通過對基準(zhǔn)測試函數(shù)仿真,驗(yàn)證了改進(jìn)算法的有效性。
第二部分主要研究了如何利用改進(jìn)粒子群算法解決動態(tài)環(huán)境下單目標(biāo)、多目標(biāo)和高維優(yōu)化問題。
對于動態(tài)單目標(biāo)優(yōu)化問題的研究,本文首先對環(huán)境的變化模式進(jìn)行了數(shù)學(xué)描述,分析了粒子群
4、算法無法有效對動態(tài)問題優(yōu)化的原因,然后提出了一種基于柯西變異和斥力勢場的多粒子群改進(jìn)算法,定量分析了柯西變異優(yōu)于其它變異的原因。對動態(tài)基準(zhǔn)測試函數(shù)的仿真表明,改進(jìn)算法能夠?qū)討B(tài)環(huán)境下變化的極值點(diǎn)進(jìn)行有效跟蹤。
對于動態(tài)多目標(biāo)優(yōu)化問題的研究,本文首先對動態(tài)多目標(biāo)優(yōu)化問題的定義進(jìn)行了描述,分析了算法的性能評價(jià)標(biāo)準(zhǔn),在此基礎(chǔ)上,提出了一種基于多種群協(xié)同優(yōu)化的粒子群算法,并從理論上證明了多種群協(xié)同搜索優(yōu)于單種群獨(dú)自搜索。
5、 改進(jìn)算法采用了競爭模式和協(xié)作模式自適應(yīng)切換的方法對Pareto 前端和Pareto 最優(yōu)解集進(jìn)行跟蹤。競爭模式采用了隱式空間分解,主要目的是對整個(gè)解空間進(jìn)行勘探,進(jìn)行粗粒度的搜索,在競爭產(chǎn)生非支配解集失效后,多種群進(jìn)行協(xié)作搜索,協(xié)作搜索采用顯式空間分解,其主要目的是對局部搜索空間開采,進(jìn)行精度搜索。
通過對動態(tài)多目標(biāo)測試函數(shù)仿真,驗(yàn)證了改進(jìn)算法可以對變化的Pareto 前端和Pareto 最優(yōu)解集快速跟蹤。
6、 對于動態(tài)高維優(yōu)化問題的研究,首先分析了高維優(yōu)化問題難以優(yōu)化的原因,并提出了一種基于局部極值點(diǎn)維度自適應(yīng)學(xué)習(xí)的粒子群改進(jìn)算法,隨后通過對高維測試函數(shù)的仿真,驗(yàn)證了改進(jìn)算法的有效性。
第三部分對垃圾焚燒系統(tǒng)PID 控制器參數(shù)自適應(yīng)整定進(jìn)行了研究。垃圾焚燒系統(tǒng)由于系統(tǒng)噪聲、設(shè)備折舊等因素的影響,系統(tǒng)參數(shù)容易發(fā)生變化,因此可以看成動態(tài)系統(tǒng)的PID 控制器的參數(shù)要不斷進(jìn)行調(diào)整。本部分首先定義了一個(gè)包含系統(tǒng)超調(diào)量、上升時(shí)間和穩(wěn)態(tài)
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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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。
最新文檔
- 動態(tài)環(huán)境下改進(jìn)的粒子群算法.pdf
- 粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究.pdf
- 動態(tài)概率粒子群優(yōu)化算法研究.pdf
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 粒子群算法----粒子群算法簡介
- 動態(tài)粒子群優(yōu)化算法及其應(yīng)用.pdf
- 粒子群算法(1)----粒子群算法簡介
- 基于動態(tài)策略的粒子群優(yōu)化算法研究.pdf
- 基于粒子群算法的動態(tài)車間調(diào)度問題研究
- 面向單模和多模函數(shù)優(yōu)化的多子群粒子群算法研究.pdf
- 粒子群優(yōu)化算法的動態(tài)拓?fù)洳呗缘难芯?pdf
- 粒子群優(yōu)化算法粒子群優(yōu)化算法簡介
- 云計(jì)算環(huán)境下基于改進(jìn)粒子群算法的動態(tài)資源調(diào)度研究.pdf
- 基于粒子群算法的動態(tài)連續(xù)泊位分配研究.pdf
- 基于粒子群算法的動態(tài)車間調(diào)度問題研究.pdf
- 基于粒子群優(yōu)化算法的動態(tài)無功優(yōu)化研究.pdf
- 基于約束優(yōu)化和動態(tài)優(yōu)化的粒子群算法研究.pdf
- 動態(tài)多目標(biāo)粒子群優(yōu)化算法研究及應(yīng)用.pdf
- 動態(tài)多種群粒子群算法研究及其并行實(shí)現(xiàn).pdf
評論
0/150
提交評論