許多現(xiàn)實世界的問題可以轉化為優(yōu)化問題。因此,優(yōu)化是工程應用和科學研究的一個重要領域。然而,一些困難的優(yōu)化問題通常具有復雜性,高度非線性,不可微分性等復雜特性。傳統(tǒng)的數(shù)學和分析方法對于解決這些困難的優(yōu)化問題是低效率的和無效的。因此,越來越需要更有效的算法。近幾十年來,已經提出了一些新的進化算法（EA）。群體智能算法是進化算法的一個分支。粒子群優(yōu)化（PSO）算法是目前最流行和最有效的群體智能算法之一,它是一種基于種群的元啟發(fā)式算法。PSO的主要思想是模擬鳥類群體的集體協(xié)作行為。PSO使用一種模仿群鳥群體行為的簡單機制,引導這些粒子搜索全局最優(yōu)解。與其他進化算法類似,PSO是基于種群的迭代算法。由于其實現(xiàn)簡單,PSO已被成功應用于解決許多現(xiàn)實世界的問題。粒子群優(yōu)化算法有兩個主要缺點:相對弱開采能力和在復雜的多模問題上早熟收斂。因此,粒子群算法的改進是非常具有挑戰(zhàn)性和有意義的。煙花算法（FWA）是一種相對較新的群體智能算法,是通過模擬夜空中煙花的爆炸過程而開發(fā)出來的。FWA的主要思想是利用煙花的爆炸來搜索優(yōu)化問題的可行空間。煙花以及新產生的火花代表了搜索領域的潛在解。為了保證全局和局部搜索的多... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：145 頁

【學位級別】：博士

【部分圖文】：

OPSO和PSOCO在單模函數(shù)廠和五上的收效過程

北京郵電大學工學博士學位論文??下其他算法顯著好于ＰＳＯＣＯ�！埃拢澹簦簦澹颉钡臄�(shù)值減去“Ｗｏｒｓｅ”的數(shù)值是“Ｍｅｒｉｔ”的數(shù)值，??代表了?ＰＳＯＣＯ顯著好于其他算法的個數(shù)。根據(jù)表３－７的結果可以看出，ＰＳＯＣＯ好于其??他對比的算法。??２５?Ｉ???????．＝＝＝ｗ４????????，??

第四章具有雙差分變異的粒子群算法??４．３．３第二組對比算法和ＰＳＯＴＤ的實驗結果和分析??表４＿６和表４－７列出了六個算法在第一個測試函數(shù)集上的實驗結果。圖４－３到圖??４－６顯示出了六個算法在八個函數(shù)上一次運行的收斂曲線圖。通過觀察這些收斂曲線，??我們可以更好地理解這些算法的搜索行為。在這些圖中，為了節(jié)省空間，ＤＥ／ｒａｎｄ／１、??ＤＥ／ｃｕｒｒｅｎｔ－ｔｏ－ｂｅｓｔ／１、％ＰＳＯ：ＤＥ／ｒａｎｄ／ｌ?和?ＣＬＰＳＯ：ＤＥ／ｒａｎｄ／ｌ?分別簡寫為?ＤＥｒｌ、ＤＥｃｕｒｌ、??ｘＤＥｒｌ?和?ＣＬＤＥｒｌ。??表４－６列出了六個算法在八個單模函數(shù)上的實驗結果。表４－６中的結果表明，在??／ｉ、／２和；ＤＴＴＰＳＯ有最好的性能。圖４－３和圖４－４也表明ＤＴＴＰＳＯ在這三個函數(shù)??上有最快的收斂速度。主要原因是ＤＴＴＰＳＯ采用了動態(tài)錦標賽拓撲環(huán)策略。在這三??個測試函數(shù)上，ＤＥ／ｒａｎｄ／１算法的性能是第二。ＤＥ／ｒａｎｄ／１算法擅長求解／７和／９。??ｘＰＳＯ：ＤＥ／ｒａｎｄ／ｌ算法和ＣＬＰＳＯ：ＤＥ／ｒａｎｄ／ｌ算法在許多單模函數(shù)上有相近的性能。顯然??ＤＥ／ｒａｎｄ／１變異策略起了很重要的作用。同其他五個算法相比，ＰＳＯＴＤ在函數(shù)／５和／６??上有最好的性能。??仂５０??，?，???


本文編號：2942844