基于無標(biāo)度網(wǎng)絡(luò)的改進(jìn)粒子群算法研究

發(fā)布時(shí)間：2020-09-24 19:42

　　粒子群算法是智能計(jì)算中的一種優(yōu)化算法,一經(jīng)提出就受到各方面的關(guān)注,該算法模擬了鳥類覓食的過程,把食物看作一個(gè)待優(yōu)化問題的最優(yōu)解,這樣,PSO算法尋找最優(yōu)解的過程實(shí)際就是鳥群尋找食物的過程。粒子群算法是一種相對較新的算法,具有概念簡單;控制參數(shù)少;收斂速度快;收斂性強(qiáng)等特點(diǎn)。在解決很多待優(yōu)化問題上有著不錯(cuò)的實(shí)際效果,在很多領(lǐng)域有著廣泛的應(yīng)用:約束優(yōu)化、多目標(biāo)優(yōu)化、數(shù)據(jù)挖掘、網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)等。PSO算法有著不錯(cuò)的優(yōu)秀特性,可是也存在著一定的缺點(diǎn):局部尋優(yōu)能力較差,種群多樣性降低,易陷入局部最小值。為了使粒子群算法能夠克服陷入局部最優(yōu)的缺點(diǎn),本文以改變粒子間信息傳遞的角度對粒子群算法進(jìn)行改進(jìn),在研究了粒子群算法拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上,將復(fù)雜網(wǎng)絡(luò)的無標(biāo)度特性引入到粒子群算法中。本文所做的工作具體如下:構(gòu)造了基于BA網(wǎng)絡(luò)的-粒子群算法,并與All模型、環(huán)形網(wǎng)絡(luò)模型、馮諾依曼網(wǎng)絡(luò)模型的粒子群算法進(jìn)行了對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果說明基于BA網(wǎng)絡(luò)的粒子群算法,在簡單單峰值函數(shù)優(yōu)化能力上沒優(yōu)勢,但在復(fù)雜的單峰函數(shù)和多峰值函數(shù)優(yōu)化上有一定優(yōu)勢。為了進(jìn)一步改進(jìn)算法,將無標(biāo)度網(wǎng)絡(luò)的四個(gè)演化模型用到粒子群算法中:(1)適應(yīng)度模型改變了無標(biāo)度網(wǎng)絡(luò)越老節(jié)點(diǎn)連接度越高的缺點(diǎn),構(gòu)造了基于適應(yīng)度模型的粒子群算法(FPSO);(2)增長模型通過一次加入多個(gè)粒子構(gòu)成無標(biāo)度網(wǎng)絡(luò),構(gòu)造了基于增長模型的粒子群算法(GPSO);(3)局域世界演化模型粒子只與局域世界中的網(wǎng)絡(luò)相連接,而不是整個(gè)網(wǎng)絡(luò),構(gòu)造了基于局域世界的粒子群算法(LWPSO);(4)動態(tài)演化模型在網(wǎng)絡(luò)的演化過程中不僅僅有節(jié)點(diǎn)的加入,還有節(jié)點(diǎn)的刪除,構(gòu)造了基于動態(tài)演化的粒子群算法(DESPSO),研究了加邊減邊的操作對算法性能的影響。通過Benchmark標(biāo)準(zhǔn)測試函數(shù)來驗(yàn)證算法的性能,從仿真的實(shí)驗(yàn)結(jié)果來看,基于動態(tài)演化模型的粒子群算法的性能在優(yōu)化復(fù)雜的多峰值函數(shù)上有一定的優(yōu)勢。
【學(xué)位單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O157.5;TP18
【部分圖文】：