| 【中文题名】 | 求解连续优化问题的集群智能算法应用研究 |
| 【英文题名】 | Application Study of Swarm Intelligence for Continuous Optimization Problems |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-7-19 |
| 【中关键词】 | 集群智能算法,优化,蚁群优化算法,粒子群优化算法,电力系统,经济负荷分配 |
| 【英关键词】 | Swarm Intelligence,Optimization,Ant Colony Optimization,Particle Swarm Optimization,Power System,Economic Load Dispatch,Equation Constraints, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 在实际工程应用中有很多优化问题是NP难问题,难以应用传统数学方法来解决。近年来,有一种集群智能算法正在引起广大研究学者的注意,这种基于群体的启发式随机优化算法在求解优化问题时不需要考虑待优化函数的数学特性,并且可以实现并行计算,适合于求解复杂的工程优化问题。蚁群优化算法和粒子群优化算法是新近出现的典型的集群智能算法,两种算法都是通过由候选解组成的群体的进化来达到寻找最优解的目的。本论文讨论了这两种优化算法的基本原理与特点,在此基础上,针对这些算法在实际应用领域中存在的问题,提出了相应的改进方法,并且通过多个常用测试例对算法进行了仿真验证。本论文主要研究成果如下:
1.综述了蚁群优化算法求解优化问题的原理,总结出算法成功的关键。对蚁群算法应用于连续优化问题的各种模型进行了综述,并分析了以往各种连续蚁群算法模型的弊病。针对NP难优化问题求解难点,提出一种具有通用性的连续蚁群算法模型,包括快速寻优机制和简单的信息素交流机制,可以有效地在连续域上进行寻优。研究表明,这种算法在寻优性能上优于其它连续蚁群算法、基本粒子群算法。
2.综述了粒子群优化算法的原理、特点及其研究进展。对粒子群的缺陷进行了... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-8 |
|
致谢 |
8-9 |
|
目录 |
9-11 |
|
第一章 概论 |
11-26 |
|
1.1 引言 |
11 |
|
1.2 优化问题简介 |
11-14 |
|
1.3 集群智能算法的特点 |
14-15 |
|
1.4 蚁群算法 |
15-21 |
|
1.4.1 蚁群算法原理 |
15-17 |
|
1.4.2 蚁群算法的特点与改进 |
17-19 |
|
1.4.3 蚁群算法在连续优化问题中的研究进展 |
19-21 |
|
1.5 粒子群算法 |
21-24 |
|
1.5.1 粒子群算法原理 |
21-22 |
|
1.5.2 粒子群算法的特点与改进 |
22-23 |
|
1.5.3 粒子群算法的应用 |
23-24 |
|
1.6 电力系统经济负荷分配问题 |
24-25 |
|
1.7 本文主要成果 |
25-26 |
|
第二章 求解连续优化问题的蚁群算法 |
26-43 |
|
2.1 引言 |
26-27 |
|
2.2 基本蚁群算法及其特点 |
27-29 |
|
2.3 连续蚁群算法 |
29-32 |
|
2.3.1 快速迭代寻优 |
30-31 |
|
2.3.2 信息素保留机制 |
31 |
|
2.3.3 蚂蚁选择方向 |
31-32 |
|
2.3.4 滞留蚂蚁变异 |
32 |
|
2.4 算法步骤 |
32-33 |
|
2.5 仿真研究 |
33-42 |
|
2.5.1 算法分析 |
33-35 |
|
2.5.2 算例仿真分析 |
35-42 |
|
2.6 小结 |
42-43 |
|
第三章 自调节粒子群算法 |
43-58 |
|
3.1 引言 |
43-44 |
|
3.2 粒子群算法的原理及特点 |
44-45 |
|
3.3 自调节粒子群算法 |
45-47 |
|
3.3.1 自适应变异 |
46 |
|
3.3.2 精细搜索 |
46-47 |
|
3.4 算法步骤 |
47 |
|
3.5 自调节粒子群算法收敛性分析 |
47-49 |
|
3.5 仿真研究 |
49-57 |
|
3.5.1 算例说明 |
49-50 |
|
3.5.2 算法分析 |
50-57 |
|
3.6 小结 |
57-58 |
|
第四章 基于自调节粒子群算法的电力系统经济负荷分配何题求解 |
58-68 |
|
4.1 引言 |
58-59 |
|
4.2 ELD问题的数学模型 |
59-60 |
|
4.3 可行化调整机制 |
60-61 |
|
4.4 自调节粒子群算法求解 ELD问题 |
61-67 |
|
4.4.1 算法步骤 |
61 |
|
4.4.2 仿真结果 |
61-67 |
|
4.5 小结 |
67-68 |
|
第五章 总结与展望 |
68-70 |
|
5.1 总结 |
68 |
|
5.2 研究展望 |
68-70 |
|
参考文献 |
70-79 |
|
附录 |
79-80 |
|
常用简略语对照表 |
79-80 |
|
作者简介 |
80 |
|
攻读学位期间撰写的论文 |
80 |
|
攻读学位期间参加的科研项目 |
80 |
|
| 【DOI】 | LunWen.ID:2.2008.387809 |
