| 【中文题名】 | 基于离散二进制PSO算法的专家选择系统 |
| 【英文题名】 | |
| 【学科专业】 | 系统工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-1-17 |
| 【中关键词】 | 离散二进制PSO模型,专家选择,微粒群算法,,, |
| 【英关键词】 | 0-1 PSO Model,Choosing Experts,Particle Swarm Optimization, |
| 【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>专家系统、知识工程> |
| 【论文摘要】 | 自上世纪80年代以来，智能优化算法(如人工神经网络、混沌算法、遗传算法等)通过模拟或揭示某些自然现象和过程而发展起来，为优化理论提供了新的思路和手段，并在科学、经济以及工程领域得到了广泛应用。粒子群优化算法是一种基于种群搜索策略的自适应随机算法。作为智能优化算法中的一种，它可用于求解大部分的优化问题，并在工程实践中表现出巨大潜力，现已广泛应用于神经网络、模糊系统控制、模式识别等多个领域。
本文在对该算法及其应用进行全面综述的基础上，重点进行了离散二进制PSO算法的研究，并将微粒群算法应用于专家选择系统中。本文的研究目的：一方面是探索和完善离散二进制PSO算法模型，使之能更有效的解决传统方法难以解决的问题；另一方面拓展离散二进制PSO算法的应用领域，使之能够解决更多的工程实践问题。
基于这种方法，针对大型实际项目“辽宁省科学技术基金管理系统”所面临的实际问题，创造性的提出一整套针对此系统在其外挂专家池中进行专家选择的算法，并完成了相应系统的设计与实现。
本文采用概念性研究、实际数据测试、数理证明等主要论证手段。本文算法以及系统设计是针对这一类问题的一种新的思考方式... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
1 引言 |
7-11 |
|
1.1 群体智能 |
7-8 |
|
1.2 微粒群算法 |
8-11 |
|
1.2.1 微粒群算法的起源 |
8-9 |
|
1.2.2 微粒群算法的发展 |
9-10 |
|
1.2.3 微粒群算法的应用 |
10-11 |
|
2 微粒群优化算法介绍 |
11-20 |
|
2.1 原始微粒群算法 |
11-18 |
|
2.1.1 微粒群算法原理 |
11-12 |
|
2.1.2 微粒群算法描述 |
12-13 |
|
2.1.3 微粒群算法参数分析 |
13-15 |
|
2.1.4 微粒群算法流程 |
15-16 |
|
2.1.5 参数的选择与设计 |
16-18 |
|
2.2 离散二进制微粒群模型 |
18-19 |
|
2.3 微粒群算法与其他优化算法的比较 |
19-20 |
|
2.3.1 微粒群算法与遗传算法的比较 |
19-20 |
|
2.3.2 微粒群算法与演化规划的比较 |
20 |
|
2.3.3 PSO算法与其它优化方法的比较 |
20 |
|
3 算法的分析与设计 |
20-28 |
|
3.1 对于本问题算法的描述 |
20-22 |
|
3.1.1 问题的描述 |
20-21 |
|
3.1.2 问题涉及的定义 |
21-22 |
|
3.2 算法的设计 |
22-28 |
|
3.2.1 框架算法的选择 |
22 |
|
3.2.2 模糊关系矩阵的构建 |
22-24 |
|
3.2.3 问题的评价空间 |
24-25 |
|
3.2.4 问题的目标函数 |
25-27 |
|
3.2.5 微粒群初始状态设定 |
27-28 |
|
4 算例系统的设计与实现 |
28-40 |
|
4.1 算例系统的背景系统 |
28-31 |
|
4.1.1 顶层系统—辽宁省自然科学基金管理系统 |
28-30 |
|
4.1.2 父系统——同行评议管理系统 |
30-31 |
|
4.2 系统功能设计 |
31-33 |
|
4.3 系统的结构设计 |
33-35 |
|
4.4 系统的算法描述 |
35-40 |
|
4.4.1 目标函数的描述 |
35-36 |
|
4.4.2 离散二进制PSO算法过程的描述 |
36-37 |
|
4.4.3 实际算例的运算 |
37-40 |
|
5 结论 |
40-41 |
|
参考文献 |
41-43 |
|
攻读硕士学位期间发表学术论文情况 |
43-44 |
|
致谢 |
44-45 |
|
大连理工大学学位论文版权使用授权书 |
45 |
|
| 【DOI】 | LunWen.ID:2.2008.388321 |
