基于群體智能行為啟發(fā)的智能優(yōu)化算法模擬了生物群體的覓食等行為,而基于物理學(xué)原理啟發(fā)的智能優(yōu)化算法模擬了物理系統(tǒng)的客觀規(guī)律。為豐富群體智能方法,本文以基于物理學(xué)啟發(fā)的優(yōu)化算法為研究對(duì)象,針對(duì)目前很多算法只采用單一運(yùn)動(dòng)規(guī)則,不能有效平衡全局搜索能力和局部搜索能力的問(wèn)題,提出基于多種物態(tài)的物理學(xué)優(yōu)化算法。首先,構(gòu)造了物理系統(tǒng)與優(yōu)化算法之間的映射關(guān)系,提出基于多種物態(tài)的物理學(xué)優(yōu)化算法的基本框架,為優(yōu)化算法中粒子構(gòu)造了屬性集、運(yùn)動(dòng)規(guī)則和物態(tài)之間轉(zhuǎn)換的條件,并針對(duì)基本框架提出基于多種物態(tài)的物理學(xué)優(yōu)化算法。為了驗(yàn)證該算法的有效性,與標(biāo)準(zhǔn)APO算法和擴(kuò)展的APO算法進(jìn)行比較,實(shí)驗(yàn)表明了該算法的有效性。其次,為了更加合理地模擬物理系統(tǒng)中物質(zhì)狀態(tài)轉(zhuǎn)化的過(guò)程,提高算法的精度,引入環(huán)境指標(biāo)和新的物態(tài),為新物態(tài)構(gòu)造合適的運(yùn)動(dòng)規(guī)則和物態(tài)轉(zhuǎn)化條件的同時(shí),提出三種針對(duì)不同環(huán)境指標(biāo)和不同物態(tài)的算法流程。通過(guò)實(shí)驗(yàn)對(duì)比分析,表明這三種算法的精度都得到了一定的提高。同時(shí)用該算法優(yōu)化PID控制器的參數(shù)整定,實(shí)驗(yàn)表明算法的有效性和合理性。最后,以粘彈性懸架阻尼層合結(jié)構(gòu)的性能優(yōu)化模型為研究對(duì)象,利用基于環(huán)境指標(biāo)的多物態(tài)物理學(xué)優(yōu)化算... 

【文章來(lái)源】：太原科技大學(xué)山西省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

物理系統(tǒng)與優(yōu)化算法的映射關(guān)系

第二章 多物態(tài)物理學(xué)優(yōu)化算法子的，則會(huì)被劃分為液態(tài)個(gè)體，這類個(gè)體的適應(yīng)值屬流動(dòng)性和“避障”特點(diǎn)，選擇偏向于單點(diǎn)運(yùn)動(dòng)的運(yùn)動(dòng)規(guī)學(xué)算法基本框架算法的基本框架主要包括三個(gè)部分：初始化種群，個(gè)化種群后，按一定的劃分標(biāo)準(zhǔn)劃分不同的物態(tài)，并為則，之后個(gè)體按不同的運(yùn)動(dòng)規(guī)則更新速度和位置，計(jì)體的狀態(tài)或環(huán)境等因素，判斷某些個(gè)體的物態(tài)是否需轉(zhuǎn)化，并按相應(yīng)的運(yùn)動(dòng)規(guī)則進(jìn)行運(yùn)動(dòng)，直至程序結(jié)束

17圖 2.3 MSAPO1 算法流程圖Fig.2.3 The flow chart of MSAPO1二）MSAPO2 算法描述另一種多物態(tài)物理學(xué)算法是以 2.2.2 節(jié)中方法二和方法三作為物態(tài)劃分的標(biāo)準(zhǔn)，態(tài)劃分為固態(tài)、液態(tài)、氣態(tài)和非晶態(tài)四種物態(tài)，并以第二種和第一種物態(tài)轉(zhuǎn)換方法合的辦法，為算法中粒子進(jìn)行物態(tài)劃分。在此算法中，首先劃分氣態(tài)個(gè)體，粒子根s 的大小排序，小于臨界值時(shí)作為氣態(tài)個(gè)體按照規(guī)則三運(yùn)動(dòng)，大于臨界值時(shí)其他個(gè)其他個(gè)體中選取較好的一部分作為固態(tài)集合的中心個(gè)體，然后判斷該中心點(diǎn)的鄰域內(nèi)是否包含其他粒子，若包含其他粒子則作為固態(tài)集合按照規(guī)則一運(yùn)動(dòng)，若不包含粒子則作為非晶態(tài)個(gè)體按照規(guī)則一運(yùn)動(dòng)，剩余粒子則作為液態(tài)個(gè)體按照規(guī)則二運(yùn)動(dòng)

【參考文獻(xiàn)】：
期刊論文
[1]基于互聯(lián)網(wǎng)群體智能的軟件開(kāi)發(fā):可行性、現(xiàn)狀與挑戰(zhàn)[J]. 張偉,梅宏.  中國(guó)科學(xué):信息科學(xué). 2017(12)
[2]應(yīng)用改進(jìn)的BB-BC算法的分布式光伏并網(wǎng)接納能力計(jì)算方法[J]. 劉少鵬,羅鳳章,王成山,李靜,孫強(qiáng),王哲.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(11)
[3]基于逐層演化的群體智能算法優(yōu)化[J]. 張水平,王碧,陳陽(yáng).  工程科學(xué)學(xué)報(bào). 2017(03)
[4]一種融合信息熵的個(gè)人網(wǎng)絡(luò)主題圈子發(fā)現(xiàn)算法[J]. 唐興,權(quán)義寧,董澤,苗啟廣.  西安電子科技大學(xué)學(xué)報(bào). 2017(03)
[5]改進(jìn)擬態(tài)物理學(xué)算法在交直流系統(tǒng)無(wú)功優(yōu)化中的應(yīng)用[J]. 李盛興,羅滇生,李一泉,黃根,杜乾.  電力系統(tǒng)保護(hù)與控制. 2016(18)
[6]基于相對(duì)分類信息熵的進(jìn)化特征選擇算法[J]. 翟俊海,劉博,張素芳.  模式識(shí)別與人工智能. 2016(08)
[7]模擬退火算法改進(jìn)綜述及參數(shù)探究[J]. 盧宇婷,林禹攸,彭喬姿,王穎喆.  大學(xué)數(shù)學(xué). 2015(06)
[8]基于信息熵的混合引力搜索算法[J]. 郭潔皓,高興寶.  計(jì)算機(jī)應(yīng)用研究. 2016(05)
[9]基于信息熵的協(xié)同過(guò)濾算法[J]. 張佳,林耀進(jìn),林夢(mèng)雷,劉景華,李慧宗.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2016(02)
[10]低溫等離子體輔助燃燒的研究進(jìn)展、關(guān)鍵問(wèn)題及展望[J]. 李平,穆海寶,喻琳,姚聰偉,許桂敏,張冠軍.  高電壓技術(shù). 2015(06)

碩士論文
[1]智能優(yōu)化算法在過(guò)程控制中的應(yīng)用[D]. 蘇奇新.北京化工大學(xué) 2017
[2]多規(guī)則擬態(tài)物理學(xué)優(yōu)化算法[D]. 夏季.太原科技大學(xué) 2016
[3]基于種群多樣性的自適應(yīng)變異粒子群算法及應(yīng)用[D]. 曾嘉俊.西南交通大學(xué) 2012
[4]基于信息熵的加權(quán)蟻群算法的研究與應(yīng)用[D]. 王茴茴.昆明理工大學(xué) 2012
[5]基于約束保持法的矢量擬態(tài)物理學(xué)約束優(yōu)化算法研究[D]. 張斐.太原科技大學(xué) 2011
[6]基于可行性規(guī)則的擬態(tài)物理學(xué)約束優(yōu)化算法研究[D]. 尹健.太原科技大學(xué) 2011



本文編號(hào)：3258061