群智能算法是一類重要的優(yōu)化方法,因其具有較好的并行性、魯棒性,亦可解決非連續(xù)、不可導(dǎo)、黑盒優(yōu)化等問題而成為智能計算領(lǐng)域的一個研究熱點。作為一種基于種群的迭代算法,群智能算法在求解復(fù)雜問題時常常需要大量的適應(yīng)度評價,由此會導(dǎo)致算法的時間代價劇增,進而影響群智能算法的使用效率。代理模型是根據(jù)已知數(shù)據(jù)對復(fù)雜函數(shù)模型進行近似建模,以代替高精度的復(fù)雜計算,可有效降低計算代價。因此,本論文基于數(shù)據(jù)驅(qū)動技術(shù),采用粒子群算法作為優(yōu)化搜索算法,構(gòu)建各種高效的代理模型用于算法的適應(yīng)度值評估,主要內(nèi)容如下:1、提出了基于主從式高斯過程模型的協(xié)同粒子群算法。在使用代理模型對群智能算法作評價時,對于搜索種群分別采用主高斯過程模型與從高斯過程模型評價,主高斯過程模型從全局的角度對粒子進行了評價,而從高斯過程模型則在各局部最優(yōu)進行二次評價,兩模型協(xié)同合作,大大提高了算法尋優(yōu)的能力。2、提出了基于EI采樣的自適應(yīng)模型粒子群算法�？紤]到在模型管理的過程中,代理模型的頻繁更新需要耗費一定的計算時間,為避免無效且耗時的模型更新,提出了代理模型自適應(yīng)更新的方法,并結(jié)合EI采樣方法提高模型準(zhǔn)確度。3、提出了基于集成模型的社會學(xué)... 

【文章來源】：浙江科技學(xué)院浙江省

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

社會學(xué)習(xí)粒子群算法示意圖

學(xué)位論文 第且衰減的非負線性函數(shù)，該函數(shù)是局部響應(yīng)函數(shù)，見層到隱藏層的變換跟其它的網(wǎng)絡(luò)不同。第三層為的響應(yīng)。輸入層僅僅起到傳輸信號作用，輸入層和值為 1 的連接，輸出層與隱含層所完成的任務(wù)是不也不同。輸出層是對線性權(quán)進行調(diào)整，采用的是線較快；而隱含層是對激活函數(shù)的參數(shù)進行調(diào)整，采而學(xué)習(xí)速度較慢。

浙江科技學(xué)院碩士學(xué)位論文 第 3 章 基于主從高斯代理模型的交互式粒子群最佳粒子信息與全局最佳信息進行信息交換，避免搜索陷入局部最優(yōu)。精確模則主要用于對代理模型進行監(jiān)測，通過精確模型對搜索群體進行評價，從而構(gòu)代理模型的采樣數(shù)據(jù)集合。數(shù)據(jù)庫用于記錄搜索群體、高斯過程模型的最優(yōu)化息，并將信息反饋給優(yōu)化控制器以指導(dǎo)整個搜索的進行。

【參考文獻】：
期刊論文
[1]基于信賴域的PSO-RBF代理模型的適應(yīng)度計算[J]. 孔倩倩,何小娟,孫超利.  太原科技大學(xué)學(xué)報. 2017(02)
[2]一種多目標(biāo)粒子群改進算法的研究[J]. 徐鳴,沈希,馬龍華,黃躍進,胡娟,顧江萍,金華強,錢積新.  控制與決策. 2009(11)
[3]基于Kriging代理模型的自適應(yīng)序貫優(yōu)化方法[J]. 王紅濤,竺曉程,杜朝輝.  計算機工程與應(yīng)用. 2009(26)

博士論文
[1]基于代理模型的實值演化算法研究[D]. 陸曉芬.中國科學(xué)技術(shù)大學(xué) 2017

碩士論文
[1]群智能優(yōu)化算法中基于信賴域的代理模型研究[D]. 孔倩倩.太原科技大學(xué) 2017
[2]基于替代模型的演化算法[D]. 盧劍鋒.中國科學(xué)技術(shù)大學(xué) 2014
[3]Kriging輔助代理模型求解昂貴單目標(biāo)約束優(yōu)化問題的研究[D]. 肖建.湘潭大學(xué) 2013



本文編號：3408425