在實際的生產(chǎn)生活中人們面臨的優(yōu)化問題日益復(fù)雜和多元,傳統(tǒng)的優(yōu)化算法已經(jīng)無法解決這些問題。受自然界中生物適者生存、優(yōu)勝劣汰的進(jìn)化規(guī)律啟發(fā)并且隨著計算機(jī)技術(shù)和人工智能快速的發(fā)展,人們開始利用計算機(jī)模擬自然界生物進(jìn)化過程和智能運動行為,構(gòu)建出各種智能算法模型去求解優(yōu)化問題,智能優(yōu)化算法應(yīng)運而生。粒子群優(yōu)化算法是一種模擬鳥群覓食行為的全局優(yōu)化算法,具有參數(shù)少、操作簡單、穩(wěn)定性好等優(yōu)點,引起人們廣泛關(guān)注并將其成功的應(yīng)用到不同的領(lǐng)域。但粒子群優(yōu)化算法也存在以下缺陷:一是它在求解復(fù)雜的優(yōu)化問題時容易發(fā)生“早熟”現(xiàn)象;二是實際生產(chǎn)中的工程優(yōu)化問題大部分是約束優(yōu)化問題,而粒子群算法是無約束優(yōu)化算法,故利用其對約束問題尋優(yōu)前需要對約束條件進(jìn)行處理。因此避免算法“早熟”和對約束條件的處理是研究粒子群算法的兩個重要方向,也是本文主要解決的問題。主要研究內(nèi)容如下:(1)針對粒子群算法在求解復(fù)雜優(yōu)化問題時,容易發(fā)生“早熟”現(xiàn)象的缺陷,提出了一種基于動態(tài)分級和鄰域反向?qū)W習(xí)的改進(jìn)粒子群算法。該算法首先通過構(gòu)建動態(tài)分級機(jī)制,將種群中的粒子動態(tài)地劃分成三個等級,對不同等級內(nèi)的粒子采取不同的擾動行為,使得粒子在增強(qiáng)種群多樣...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 選題的研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 粒子群優(yōu)化算法
        1.2.2 約束處理機(jī)制
    1.3 本文主要工作和章節(jié)安排
        1.3.1 本文的主要工作
        1.3.2 本文的結(jié)構(gòu)安排
第二章 粒子群算法概述
    2.1 優(yōu)化問題概述
    2.2 粒子群算法的基本模型
        2.2.1 算法性能影響因素
        2.2.2 算法的收斂性分析
    2.3 約束處理方法
        2.3.1 罰函數(shù)法
        2.3.2 可行性規(guī)則法
        2.3.3 多目標(biāo)法
        2.3.4 適應(yīng)度值變換法
    2.4 本章小結(jié)
第三章 改進(jìn)的粒子群算法
    3.1 引言
    3.2 基于動態(tài)分級和鄰域反向?qū)W習(xí)的粒子群算法
        3.2.1 動態(tài)分級機(jī)制
        3.2.2 改進(jìn)粒子位置更新方式
        3.2.3 動態(tài)鄰域反向?qū)W習(xí)全局搜索策略
    3.3 算法步驟
    3.4 數(shù)值試驗及結(jié)果分析
        3.4.1 測試函數(shù)及評價標(biāo)準(zhǔn)
        3.4.2 仿真環(huán)境、仿真實驗和仿真結(jié)果
        3.4.3 實驗結(jié)果分析
    3.5 本章小結(jié)
第四章 粒子群算法在工程結(jié)構(gòu)優(yōu)化中的應(yīng)用
    4.1 引言
    4.2 約束處理技術(shù)
    4.3 自適應(yīng)粒子群算法
        4.3.1 混沌映射方法產(chǎn)生初始種群
        4.3.2 教學(xué)機(jī)制
        4.3.3 自適應(yīng)參數(shù)
        4.3.4 粒子重置策略
    4.4 算法步驟
    4.5 性能驗證
        4.5.1 參數(shù)設(shè)置和評價標(biāo)準(zhǔn)
        4.5.2 工程結(jié)構(gòu)設(shè)計優(yōu)化應(yīng)用
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介



本文編號：3788468