本文關鍵詞：基于梯度信息的粒子群優(yōu)化算法的改進及應用

  更多相關文章： 粒子群優(yōu)化算法 最速下降法 增廣拉格朗日乘子法 多目標選址優(yōu)化問題

【摘要】：在1995年,J.Kennedy和R.C.Eberhart在對鳥類尋找食物的過程進行研究后,提出了粒子群優(yōu)化算法。隨后,它以其概念簡單、容易實現(xiàn)、涉及參數(shù)少的特點,在這近20年間受到各個領域專家和學者的青睞。同時,隨著研究的深入,粒子群優(yōu)化算法的弊端也逐漸表露出來,在粒子迭代過程中容易出現(xiàn)陷入局部最優(yōu)的情況,并且在算法的后期收斂速度相對較慢。于是,對于粒子群優(yōu)化方法的改進也是近些年很多專家學者關注的重點。粒子群優(yōu)化算法已經(jīng)在無約束優(yōu)化問題上得到了廣泛的運用。針對無約束優(yōu)化問題,利用最速下降法快速精細的局部搜索能力,將最速下降法嵌入到基本粒子群優(yōu)化算法中,得到一種新的嵌入最速下降法的改進的粒子群優(yōu)化算法。約束優(yōu)化問題相對于無約束優(yōu)化問題而言,加入了一些限制條件,本文的處理方法就是利用增廣Lagrange乘子法,將約束問題轉變?yōu)榻缂s束優(yōu)化問題,利用最速下降法在局部優(yōu)化中快速精細的特點,粒子群在每進行一次速度位置迭代后,都對群體歷史最優(yōu)位置進行3次最速下降法的迭代,直到最終到達全局最優(yōu)解的附近為止,將這種改進算法稱之為LA_PSO_SD算法。接著選取按照適應度函數(shù)的大小從高到低排列的最中間的點和最高點,在粒子群中每進行一次速度位置迭代后,進行3次最速下降法的迭代,直到最終逼近全局最優(yōu)解為止,將這種改進算法稱之為ZK_PSO_SD算法。通過利用測試問題來驗證,LA_PSO_SD算法和ZK_PSO_SD算法進行對比,得出的結論是ZK_PSO_SD算法精度準確,迭代次數(shù)少,是一種成功的改進優(yōu)化算法。處理選址問題中可能遇到的多目標優(yōu)化問題,有很多方法,本文采取的方法就是把實際生活中常見的多目標約束選址優(yōu)化問題,通過添加參數(shù)和運用約束處理方法,將它化為單目標約束選址優(yōu)化問題來解決,然后利用前文提出的嵌入最速下降法的改進的粒子群優(yōu)化算法ZK_PSO_SD算法來進行求解,這樣就可以為解決多目標選址問題提供了一個新的解決途徑。
【學位授予單位】：北京建筑大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蒙正中;;一種改進的混合粒子群優(yōu)化算法[J];桂林工學院學報;2009年03期

2 吳昌友;王福林;馬力;;一種新的改進粒子群優(yōu)化算法[J];控制工程;2010年03期

3 周馳,高海兵,高亮,章萬國;粒子群優(yōu)化算法[J];計算機應用研究;2003年12期

4 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計算機工程與應用;2004年06期

5 張榮沂;一種新的集群優(yōu)化方法——粒子群優(yōu)化算法[J];黑龍江工程學院學報;2004年04期

6 高鷹;謝勝利;;混沌粒子群優(yōu)化算法[J];計算機科學;2004年08期

7 劉釗,康立山,蔣良孝,楊林權;用粒子群優(yōu)化改進算法求解混合整數(shù)非線性規(guī)劃問題[J];小型微型計算機系統(tǒng);2005年06期

8 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應用[J];華中科技大學學報(自然科學版);2005年10期

9 竇全勝;周春光;馬銘;劉全;;群核進化粒子群優(yōu)化方法[J];計算機科學;2005年08期

10 范娜;云慶夏;;粒子群優(yōu)化算法及其應用[J];信息技術;2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

2 孫紅光;潘毓學;;基于運動目標路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學會第八屆學術交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應粒子群優(yōu)化算法的應用研究[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應粒子群優(yōu)化算法及應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進的自適應粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉昊;多樣性增強的粒子群優(yōu)化算法及其應用研究[D];北京理工大學;2015年

2 姜毅;動態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學;2013年

3 劉華鎣;粒子群優(yōu)化算法的改進研究及在石油工程中的應用[D];東北石油大學;2012年

4 劉波;粒子群優(yōu)化算法及其在機電設備中的應用研究[D];中北大學;2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應用實例[D];浙江大學;2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應用研究[D];重慶大學;2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應用研究[D];西安電子科技大學;2008年

8 余炳輝;粒子群優(yōu)化算法試驗研究及擴展[D];華中科技大學;2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應用[D];重慶大學;2007年

10 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產(chǎn)能預測中的應用研究[D];中國礦業(yè)大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 白云;基于粒子群優(yōu)化算法的復雜網(wǎng)絡社區(qū)挖掘[D];西北農(nóng)林科技大學;2015年

2 楊艷華;基于粒子群優(yōu)化支持向量機的網(wǎng)絡態(tài)勢預測模型研究[D];蘭州大學;2015年

3 曾祥琦;基于時差法的結構裂紋擴展定位研究[D];南京航空航天大學;2015年

4 徐向平;粒子群優(yōu)化算法及其在生物數(shù)據(jù)聚類中的應用[D];江南大學;2016年

5 楊博宇;多群協(xié)同多目標粒子群優(yōu)化算法及其應用研究[D];東北大學;2014年

6 趙俊波;基于改進粒子群優(yōu)化算法的人員疏散問題研究[D];遼寧科技大學;2016年

7 李萬程;基于改進粒子群優(yōu)化算法的圖像去噪和圖像分割研究[D];天津工業(yè)大學;2016年

8 朱潤水;基于多目標粒子群優(yōu)化的SDN網(wǎng)絡能耗感知負載均衡研究[D];山東大學;2016年

9 王培坤;多粒子群優(yōu)化算法的串行硬件結構實現(xiàn)[D];華南理工大學;2016年

10 趙亞光;多目標粒子群優(yōu)化算法研究及在HEV參數(shù)優(yōu)化中應用[D];南京信息工程大學;2016年

，

本文編號：1258989