本文關(guān)鍵詞：標(biāo)準(zhǔn)粒子群算法的收斂性分析及改進(jìn)研究　出處：《渤海大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 標(biāo)準(zhǔn)粒子群算法 算法分析 1概率收斂 全局優(yōu)化

【摘要】：隨著人們在實(shí)際生活中遇到的優(yōu)化問題越來越多,傳統(tǒng)優(yōu)化算法不能解決部分復(fù)雜的優(yōu)化問題。因此一些新穎的啟發(fā)式優(yōu)化算法被提出,如遺傳算法,模擬退火算法,引力搜索算法,蟻群算法等。這些算法基本都是模擬或揭示自然現(xiàn)象或過程而得到發(fā)展,其思想和內(nèi)容涉及數(shù)學(xué)、物理學(xué)、生物進(jìn)化、人工智能、神經(jīng)科學(xué)和統(tǒng)計(jì)力學(xué)等方面。粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)就是其中一個(gè),粒子群算法規(guī)則簡單,可調(diào)參數(shù)少,容易實(shí)現(xiàn),收斂速度快,且有很多措施可以避免陷入局部最優(yōu),在工程應(yīng)用中比較廣泛,根據(jù)粒子群算法優(yōu)異的性能,本論文對該算法做了進(jìn)一步的研究,主要工作如下:1、基于概率理論計(jì)算了標(biāo)準(zhǔn)粒子群算法中粒子的轉(zhuǎn)移概率,通過其轉(zhuǎn)移概率對PSO算法進(jìn)行了收斂性分析,并證明了粒子群算法在一定條件下依概率1收斂。2、提出了一種新的改進(jìn)粒子群優(yōu)化(IPSO)算法,保證IPSO算法是依概率1收斂的。為了平衡IPSO算法的探索和開發(fā)能力,在IPSO算法中,我們提出了探索和開發(fā)算子。最后,IPSO算法測試了13個(gè)基準(zhǔn)測試函數(shù),并與其他算法進(jìn)行比較。數(shù)值結(jié)果證實(shí)了IPSO算法在求解非線性函數(shù)中具有更好的性能。
[Abstract]:With more and more optimization problems people encounter in real life, the traditional optimization algorithm can not solve some complex optimization problems. Therefore, some novel heuristic optimization algorithms have been proposed, such as genetic algorithm, simulated annealing algorithm, gravitational search algorithm, ant colony algorithm. These algorithms are basically the simulation of natural phenomena or process to get the development of the thought and content involves mathematics, physics, biology, artificial intelligence, neural science and statistical mechanics. The particle swarm optimization algorithm (Particle Swarm Optimization, PSO) is one of the particle swarm algorithm has simple rules, less adjustable parameters, easy realization, fast convergence speed, and there are a lot of measures you can avoid falling into local optimum, is widely applied in engineering, according to the excellent performance of particle swarm algorithm, this thesis make a further research on the algorithm, the main work such as : 1, particle transfer probability of the standard particle swarm algorithm was calculated based on probability theory, through the transfer of probability convergence analysis of PSO algorithm, and proves that under certain conditions the particle swarm algorithm converges with probability 1.2, proposed a new improved particle swarm optimization (IPSO) algorithm, guarantee the IPSO algorithm is convergence with probability 1. In order to explore and develop the ability to balance the IPSO algorithm, the IPSO algorithm, we put forward the exploration and development of the operator. Finally, IPSO algorithm is tested on 13 benchmark functions, and compared with other algorithms. The numerical results show that the IPSO algorithm has better performance in solving nonlinear function.

【學(xué)位授予單位】：渤海大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 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

相關(guān)會議論文 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[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)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[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)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 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

6 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

7 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

8 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

9 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

10 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

相關(guān)碩士學(xué)位論文 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：1394858