發(fā)布時(shí)間：2017-11-18 06:08

  本文關(guān)鍵詞：粒子群算法自適應(yīng)行為分析研究

  更多相關(guān)文章： 粒子群算法 自適應(yīng) 群體動(dòng)態(tài)行為 信息熵 相對熵 相關(guān)性

【摘要】：現(xiàn)實(shí)世界,存在著各種各樣的自適應(yīng)行為,例如,生物在進(jìn)化過程中不斷調(diào)整自身結(jié)構(gòu)以適應(yīng)外界環(huán)境變化;人體的免疫系統(tǒng)在遇到抗原入侵時(shí)會(huì)自適應(yīng)改變自身結(jié)構(gòu)去維持人體的正常生理功能。無論在自然系統(tǒng)還是在人工系統(tǒng)中,其系統(tǒng)的環(huán)境適應(yīng)能力以及系統(tǒng)演化通常都可以通過自適應(yīng)來解釋。因此,對自適應(yīng)行為的研究越來越受到研究者們的關(guān)注。就計(jì)算機(jī)算法領(lǐng)域而言,近年來涌現(xiàn)出諸多模擬生物演化或者社會(huì)協(xié)作過程的算法,例如遺傳算法、粒子群算法等。對算法自適應(yīng)行為的群體動(dòng)態(tài)行為分析和理解將有助于設(shè)計(jì)有效的指導(dǎo)原則來保證算法收斂性和提高收斂速度。而對自適應(yīng)行為進(jìn)行有效的度量刻畫是我們深入理解自適應(yīng)行為的前提�？偟膩碚f,現(xiàn)有的群體行為研究主要集中于算法是否收斂以及算法的收斂速度方面,而對算法自適應(yīng)行為進(jìn)行研究的側(cè)重點(diǎn)應(yīng)該注重于算法在演化過程中的動(dòng)態(tài)行為刻畫方面。本文主要針對粒子群算法運(yùn)行過程中的群體動(dòng)態(tài)行為進(jìn)行研究,嘗試分析與討論粒子群算法在演化過程中所體現(xiàn)出來的自適應(yīng)行為,對自適應(yīng)行為進(jìn)行度量,對自適應(yīng)過程中的信息利用方式進(jìn)行討論。在深入分析已有演化算法群體動(dòng)態(tài)行為研究方法的基礎(chǔ)之上,提出了更為明確的刻畫群體動(dòng)態(tài)行為的方法,首先將信息熵引入到粒子群算法的自適應(yīng)行為研究中。定義了Hit Counter、Hit Distance和Mean Fitness三個(gè)指標(biāo)的信息熵,使用這三個(gè)信息熵來刻畫群體在演化過程中的混亂和秩序程度,并結(jié)合群體半徑,來觀測定量的群體在演化過程中整體有序程度的變化。進(jìn)一步的,本文又在信息熵的基礎(chǔ)之上,提出了基于群體進(jìn)化動(dòng)力分布的相關(guān)分析方法—相對熵和相關(guān)性來刻畫群體動(dòng)態(tài)行為。該方法主要定義了4種指標(biāo),分別是:函數(shù)值增量與位置增量的相對熵、函數(shù)值增量與位置增量的相關(guān)系數(shù)、(70)和2)(70)相關(guān)指標(biāo)。其中,相對熵和相關(guān)系數(shù)是用來對群體動(dòng)態(tài)行為的進(jìn)化過程進(jìn)行分段的,(70)和2)(70)相關(guān)指標(biāo)可以確定群體的收斂狀態(tài)。為了說明本文提出的自適應(yīng)行為研究方法的有效性,本文使用最具代表性的6種粒子群算法對21個(gè)極小值優(yōu)化的標(biāo)準(zhǔn)測試函數(shù)進(jìn)行了測試,并分別針對這些函數(shù)的2維、5維、10維和30維問題進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,信息熵的變化可以體現(xiàn)出群體在演化過程中整體有序程度的變化。同時(shí),使用基于相對熵和相關(guān)性的相關(guān)指標(biāo),可以將群體的動(dòng)態(tài)行為劃分為三個(gè)階段:隨機(jī)搜索階段、精細(xì)搜索階段和收斂階段。且基于相對熵和相關(guān)性相結(jié)合的方法可以刻畫進(jìn)化算法的進(jìn)化特征以及分析不同類方法的優(yōu)缺點(diǎn),例如影響演化速度,收斂速度以及計(jì)算精度的具體因素。以上實(shí)驗(yàn)結(jié)果有效的驗(yàn)證了本文提出的相關(guān)指標(biāo)能夠精細(xì)的刻畫粒子群算法進(jìn)化過程中的群體狀態(tài)轉(zhuǎn)變以及相關(guān)行為特征,并且通過對比得到不同粒子群算法在收斂速度以及搜索能力方面的不同表現(xiàn),為算法選擇和群體行為分析提供了一種新的理論指導(dǎo)和解釋方式。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計(jì)算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動(dòng)態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動(dòng)化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國非線性振動(dòng)暨第九屆全國非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國;;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

，

本文編號(hào)：1198775