本文關(guān)鍵詞：增強搜索能力的粒子群優(yōu)化算法研究　出處：《鄭州大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 粒子群 定向變異 PID 優(yōu)化算法

【摘要】：在現(xiàn)實世界中,存在諸多的最優(yōu)化問題�？砂炎顑�(yōu)化問題定義為:在滿足一定約束條件的前提下,尋找一組解,來使系統(tǒng)的某些性能指標(biāo)達(dá)到要求。隨著社會的發(fā)展,人們迫切需要一些工具來求解這些優(yōu)化問題,由此便產(chǎn)生了各種優(yōu)化算法�；邙B群覓食行為而提出的粒子群優(yōu)化算法(PSO)是一種新型的優(yōu)化技術(shù),因其簡單實用,被廣泛應(yīng)用于求解優(yōu)化問題。PSO算法在尋找優(yōu)化問題的最優(yōu)解時,不必知道問題的特征信息,只需對可行解按照一定的策略進行迭代更新即可。PSO算法求解問題時所具有的簡單高效的特性,引起了國內(nèi)外學(xué)者的廣泛關(guān)注。但在研究的過程中,發(fā)現(xiàn)PSO算法存在早熟收斂和搜索精度較低等問題。針對PSO算法存在的問題,本文提出了兩種改進方案:1)一種方案首先將粒子分為兩組,分別用于全局搜索和局部搜索,這點有點類似于多種群算法,但不同的是這兩組的粒子數(shù)會動態(tài)變化。在粒子總數(shù)不變的前提下,前期將大多數(shù)粒子用于全局搜索,而隨著迭代的進行,粒子會慢慢轉(zhuǎn)向局部搜索。該方案為了增強全局搜索能力,將采用全新的策略來更新全局搜索的粒子位置;為了增強局部搜索的能力,將小范圍變異策略引入到局部搜索的粒子中去。為了增強種群多樣性,這兩組粒子之間會進行獨特的信息交換。2)另一種方案是受一種常見社會現(xiàn)象的啟發(fā)而提出的。該方案以“讓優(yōu)秀粒子更優(yōu)秀,讓最差粒子努力尋優(yōu)”為核心思想,通過對種群中的最優(yōu)粒子和最差粒子采取定向變異策略來提高算法的性能。通過對比試驗驗證引入最差粒子變異的重要性。通過測試函數(shù)驗證這兩種改進方案能有效增強粒子的搜索能力,并能緩解解早熟收斂現(xiàn)象。最后,將定向變異粒子群優(yōu)化算法應(yīng)用于PID參數(shù)調(diào)整中,取得了良好的實驗效果。
[Abstract]:In order to improve the global search ability , the PSO algorithm is widely used in global search . In order to enhance global search capability , the PSO algorithm is widely used in global search .

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

【相似文獻】

相關(guān)期刊論文 前10條

1 程彩娟;“八后問題”的算法與程序設(shè)計[J];天津職業(yè)技術(shù)師范學(xué)院學(xué)報;1991年02期

2 葛磊;武芳;王鵬波;張冬林;;3維建筑綜合中基于最小特征的面平移算法[J];測繪科學(xué)技術(shù)學(xué)報;2009年02期

3 駱雯,孫延明,陳振威,陳錦昌;判斷點與封閉多邊形相對關(guān)系的改進算法[J];機械;1999年03期

4 李林;盧顯良;;一種基于切割映射的規(guī)則沖突消除算法[J];電子學(xué)報;2008年02期

5 劉巧玲;張紅英;林茂松;;一種簡單快速的圖像去霧算法[J];計算機應(yīng)用與軟件;2013年07期

6 林亞平,楊小林;快速概率分析進化算法及其性能研究[J];電子學(xué)報;2001年02期

7 章郡鋒;吳曉紅;黃曉強;何小海;;基于暗原色先驗去霧的改進算法[J];電視技術(shù);2013年23期

8 楊鐵軍;靳婷;;一種動態(tài)整周模糊值求解算法及其仿真分析[J];系統(tǒng)工程與電子技術(shù);2007年01期

9 周秀玲;郭平;陳寶維;王靜;;幾種計算超體積算法的比較研究[J];計算機工程;2011年03期

10 吳一戎,胡東輝,彭海良;Chirp Scaling SAR成象算法及其實現(xiàn)[J];電子科學(xué)學(xué)刊;1995年03期

相關(guān)會議論文 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 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(xué)術(shù)研討會論文集[C];2007年

5 孫紅光;潘毓學(xué);;基于運動目標(biāo)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(xué)術(shù)會議論文集[C];2004年

6 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(xué)會第八屆學(xué)術(shù)交流會論文集[C];2006年

7 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

8 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

10 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(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關(guān)重要報紙文章 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍?zhǔn)?[N];上海證券報;2010年

相關(guān)博士學(xué)位論文 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 周旭;復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究[D];吉林大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 李紅文;增強搜索能力的粒子群優(yōu)化算法研究[D];鄭州大學(xué);2017年

2 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

3 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

4 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

5 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

6 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學(xué);2015年

7 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

8 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

9 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

10 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

，

本文編號：1406484