| 【中文题名】 | 基于种群熵和种群结构的粒子群算法研究 |
| 【英文题名】 | Study of Particle Swarm Optimizers Based on Population Entropy and Structure |
| 【学科专业】 | 计算机应用与技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-8 |
| 【中关键词】 | 粒子群算法,种群熵,种群结构,,, |
| 【英关键词】 | Particle Swarm Optimization,Population Entropy,Population Structure, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>一般性问题>理论、方法>算法理论 |
| 【论文摘要】 | 粒子群优化算法(Particle Swarm Opumization，简称PSO)是由Kennedy和Eberhart在1995年提出的一种基于群智能(Swarm Intelligence)的演化计算技术，它是在鸟群、鱼群和人类社会的行为规律的启发下提出的。粒子群优化算法在函数优化、神经网络训练、模式分类、模糊系统控制以及其它工程领域都得到广泛地应用。本文在粒子群算法中引入了种群熵的概念，并提出了一种基于种群熵的自适应粒子群算法；在此基础上，还分析了粒子群算法种群结构与种群多样性间的关系。
本文重点包括以下两个方面：
(1) 针对进化过程中种群多样性损失过快，PSO算法易于陷入局部极值，引起算法过早收敛这一问题，本文采用种群熵这一种群多样性指标对种群的多样性进行定量描述，同时将元胞引入粒子群算法中，并依据种群熵的变化对其结构进行调整，建立了一种基于种群熵的自适应粒子群算法。实验表明，新算法在解决复杂多峰函数优化问题时，与基本粒子群算法相比，具有更强的摆脱局部极值点的能力，且执行效率降低不大。
(2) 对种群结构进行了描述，并分析了种群结构与种群多样性的关系，然后... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
第一章 绪论 |
9-17 |
|
1.1 研究背景及意义 |
9-10 |
|
1.2 群体模型仿真 |
10-13 |
|
1.2.1 生物群体的复杂性 |
10-11 |
|
1.2.2 生物群体行为的仿真 |
11-12 |
|
1.2.3 基于 Swarm平台的仿真 |
12-13 |
|
1.3 群智能计算 |
13-15 |
|
1.3.1 蚁群算法 |
14-15 |
|
1.3.2 粒子群算法 |
15 |
|
1.4 群智能技术发展现状 |
15-16 |
|
1.5 小结 |
16-17 |
|
第二章 粒子群算法 |
17-31 |
|
2.1 优化计算 |
17-19 |
|
2.2 进化计算 |
19-20 |
|
2.3 基本粒子群算法 |
20-23 |
|
2.3.1 PSO算法基本原理 |
20-22 |
|
2.3.2 粒子群算法信息交换方式 |
22-23 |
|
2.4 粒子群算法的改进算法 |
23-30 |
|
2.4.1 基于参数的改进算法 |
23-25 |
|
2.4.2 行为模式改进算法 |
25-30 |
|
2.5 小结 |
30-31 |
|
第三章 基于种群熵的自适应粒子群算法 |
31-41 |
|
3.1 粒子群算法与遗传算法的比较 |
31-32 |
|
3.2 GA中种群多样性的分析 |
32-36 |
|
3.2.1 熵的概念及性质 |
32-33 |
|
3.2.2 种群多样性的度量 |
33 |
|
3.2.3 智能化遗传算法 |
33-34 |
|
3.2.4 动态元胞遗传算法 |
34-36 |
|
3.3 PSO中种群多样性的分析 |
36-37 |
|
3.4 自适应粒子群算法 |
37-40 |
|
3.4.1 自适应调节策略 |
37-38 |
|
3.4.2 自适应算法描述 |
38 |
|
3.4.3 试验及结果分析 |
38-40 |
|
3.5 小结 |
40-41 |
|
第四章 粒子群算法种群结构与种群多样性关系 |
41-49 |
|
4.1 粒子群种群结构的描述 |
41-43 |
|
4.2 不同种群结构与算法的性能 |
43-45 |
|
4.3 粒子群算法种群多样性与种群结构的关系 |
45-48 |
|
4.3.1 实验参数设置 |
45 |
|
4.3.2 实验结果分析 |
45-48 |
|
4.4 小结 |
48-49 |
|
第五章 总结与展望 |
49-51 |
|
5.1 全文总结 |
49-50 |
|
5.2 进一步的研究以及工作展望 |
50-51 |
|
参考文献 |
51-55 |
|
攻读硕士学位期间发表的论文及所参与基金项目 |
55-56 |
|
致谢 |
56 |
|
| 【DOI】 | LunWen.ID:2.2008.357553 |
