本文關(guān)鍵詞：粒子群算法在多維優(yōu)化問題中的改進(jìn)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)作為一種新興的仿生類群智能算法,起源于對(duì)鳥類群體覓食行為的模擬。該算法通過群體中個(gè)體之間的信息交互來實(shí)現(xiàn)尋優(yōu)的目的。與其他群智能優(yōu)化算法相比,PSO憑借其實(shí)現(xiàn)簡單,可調(diào)節(jié)參數(shù)少,收斂速度快等特點(diǎn),受到眾多學(xué)者的關(guān)注與研究,并且被廣泛應(yīng)用于生物醫(yī)學(xué)、圖像處理、工程優(yōu)化等領(lǐng)域。盡管當(dāng)前對(duì)粒子群優(yōu)化算法的研究已經(jīng)取得了一定成果,但隨著模型覆蓋層次的不斷提高,優(yōu)化模型呈現(xiàn)出越來越顯著的高維特性,致使單純的粒子群優(yōu)化算法拓展到高維優(yōu)化問題中無法取得滿意的效果。本文的研究得到了國家自然科學(xué)基金、浙江省自然科學(xué)基金及浙江理工大學(xué)研究生創(chuàng)新項(xiàng)目的資助。主要研究工作和成果如下:(1)針對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化算法在處理多維、多峰值問題時(shí)暴露出的易早熟收斂的難題,設(shè)計(jì)并提出多維度慣性權(quán)重衰減混沌化粒子群算法(Multi-Dimensional Descending Chaotic Inertia Weight based PSO,MDDCIW_PSO)。在粒子群進(jìn)化過程中,賦予每代群體中每個(gè)粒子的每一維度以不同的線性衰減混沌化慣性權(quán)重。即以縱向看,隨著迭代次數(shù)的增加,慣性權(quán)重呈現(xiàn)線性衰減變化;從橫向看,當(dāng)代的每個(gè)粒子的每一維度都在當(dāng)前衰減半徑內(nèi)呈現(xiàn)獨(dú)立的混沌變化。MDDCIW_PSO算法從縱橫兩個(gè)方向,最大可能地增強(qiáng)了粒子在搜索后期的群活性和局部搜索能力,從而盡可能地使種群避免陷入局部最優(yōu)。仿真測試結(jié)果表明MDDCIW_PSO算法能夠較大幅度地提高粒子群算法的搜索精度和收斂速度。(2)通過對(duì)粒子群優(yōu)化算法機(jī)理和本質(zhì)并行性的分析,采用目前被廣泛使用的島嶼模型,設(shè)計(jì)并提出一種基于島嶼模型的多子種群并行優(yōu)化算法(Multipopulation Parallel PSO based on the island model,MPPSO)。首先構(gòu)造子種群規(guī)模采樣函數(shù)對(duì)子種群的個(gè)數(shù)設(shè)定提供一定參考;其次引入K-means++聚類方法,盡可能地將所有子種群充盈分布在解空間中,提高搜索效率;最后基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)提出一種子種群間信息交互的策略。仿真測試結(jié)果表明,該算法能在一定程度上提升算法性能,避免早熟收斂。(3)將上述改進(jìn)后的粒子群優(yōu)化算法應(yīng)用于印染定型機(jī)的能耗模型優(yōu)化求解中,為工業(yè)現(xiàn)場中各級(jí)烘箱的最優(yōu)工作溫度設(shè)定和布料進(jìn)入烘箱的最佳速度設(shè)定提供一定參考。通過實(shí)例印證上述改進(jìn)機(jī)制的可行性。
【關(guān)鍵詞】：粒子群優(yōu)化算法 早熟收斂 慣性權(quán)重 島嶼模型 印染定型機(jī)
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-17
• 1.1 課題的背景及意義11
• 1.2 群體智能優(yōu)化算法總體研究概述11-13
• 1.3 粒子群算法國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢13-15
• 1.3.1 算法自身參數(shù)的調(diào)整13-14
• 1.3.2 算法融合14-15
• 1.3.3 算法高維優(yōu)化問題處理15
• 1.3.4 算法應(yīng)用15
• 1.4 論文主要研究內(nèi)容及結(jié)構(gòu)安排15-17
• 第2章 粒子群算法的基本原理及性能仿真分析17-26
• 2.1 原始粒子群算法17-20
• 2.1.1 粒子群算法的起源17
• 2.1.2 粒子群算法的數(shù)學(xué)描述17-20
• 2.2 帶有慣性權(quán)重的粒子群算法20-21
• 2.3 PSO與SPSO對(duì)比分析21-25
• 2.4 本章小結(jié)25-26
• 第3章 多維度慣性權(quán)重衰減混沌化算法設(shè)計(jì)26-33
• 3.1 引言26
• 3.2 混沌的特性26
• 3.3 MDDCIW_PSO算法設(shè)計(jì)26-28
• 3.4 算法仿真和分析28-32
• 3.5 本章小結(jié)32-33
• 第4章 基于島嶼模型的多子種群并行粒子群算法設(shè)計(jì)33-42
• 4.1 引言33
• 4.2 并行計(jì)算的概念33
• 4.3 粒子群優(yōu)化算法的本質(zhì)并行性33-36
• 4.4 基于島嶼模型的多子種群并行粒子群優(yōu)化算法36-39
• 4.4.1 子種群規(guī)模采樣函數(shù)構(gòu)造36
• 4.4.2 子種群內(nèi)部粒子分配36-37
• 4.4.3 子種群間粒子的遷移策略37-38
• 4.4.4 通訊周期的設(shè)定38
• 4.4.5 算法流程38-39
• 4.5 算法仿真及分析39-40
• 4.6 本章小結(jié)40-42
• 第5章 定型機(jī)能耗模型的優(yōu)化求解42-52
• 5.1 引言42
• 5.2 定型機(jī)定型處理過程及能耗優(yōu)化背景42-43
• 5.3 定型機(jī)能耗模型建立43-48
• 5.3.1 定型機(jī)能耗的機(jī)理建模43-45
• 5.3.2 布料定型條件45-46
• 5.3.3 基于Simulink模型搭建46-48
• 5.4 算法實(shí)現(xiàn)48
• 5.5 仿真分析與比較48-51
• 5.6 本章小結(jié)51-52
• 第6章 總結(jié)與展望52-54
• 6.1 研究工作總結(jié)52
• 6.2 展望52-54
• 參考文獻(xiàn)54-57
• 致謝57-58
• 攻讀學(xué)位期間的學(xué)術(shù)成果58

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 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

中國重要會(huì)議論文全文數(shù)據(jù)庫 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(huì)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(huì)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(shí)[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(huì)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(huì)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(huì)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(huì)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(huì)大壩安全監(jiān)測專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)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(huì)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(duì)策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會(huì)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(huì)議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 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

3 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

4 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

5 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

6 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

7 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

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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

  本文關(guān)鍵詞：粒子群算法在多維優(yōu)化問題中的改進(jìn)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：430643