《改進的粒子群最佳化算法(APSO和DPSO)研究》是張英男撰寫的一篇論文。
基本介紹
- 中文名：改進的粒子群最佳化算法(APSO和DPSO)研究
- 作者：張英男
- 發表時間：2008
- 論文來源：大連理工大學
- 分類號：TP301.6
論文摘要,引文格式,
論文摘要
粒子群最佳化(PSO)算法由Kennedy和Eberhart於1995年提出,是群體智慧型最佳化方法中具典型代表性的算法,具有廣泛的套用領域,例如神經網路訓練,工程最佳化等。PSO的基本思想是群體中的每一個成員通過學習自身和群體中其他成員的信息以決定下一步動作,即一個粒子通過追隨兩個目標點(分別代表自身信息和其他成員信息)進行尋優,第一個目標點為自身歷史最優點,第二個目標點有兩種:一種是種群最優點(稱為全局版PSO),另一種是鄰域最優點(稱為局部版PSO)。PSO計算簡單有效、魯棒性好。但是,PSO最大弱點是在處理多峰函式最佳化問題時,容易出現早熟收斂,並且搜尋後期的局部搜尋能力較差。如何解決上述問題並進一步提高PSO的性能,一直是PSO研究的重要開放性課題。本文的研究目的,一是從理論方法上研究一種性能較好算法,二是從套用上將這種方法既用於高效求解函式最佳化又用於求解Packing問題,最終期望用它作為求解衛星艙布局設計混合方法中的有效組成部分。由此,本文嘗試從研究修改粒子搜尋路徑的角度,通過構造新的速度更新公式,提出了兩種改進的粒子群最佳化算法,分別為活躍目標點粒子群最佳化(APSO)算法和探測粒子群最佳化(DPSO)算法,並套用於求解函式最佳化和約束布局最佳化問題。本文的工作主要包括以下兩個方面:(1)提出了一種活躍目標點粒子群最佳化(APSO)算法。基本思想是,在標準PSO速度更新公式中引入第3個目標點,稱為活躍目標點,從而構成新的基於3目標點速度更新機制的粒子速度更新公式。APSO的優點是較好地克服了PSO的早熟收斂問題,併兼具複合形法射線搜尋的能力;缺點是增加了一定的額外計算開銷。(2)提出了一種探測粒子群最佳化(DPSO)算法。基本思想是,選定少數粒子,令其單獨進行有別於普通粒子折線搜尋路徑,而是利用螺旋折線搜尋路徑搜尋,該粒子稱為探測粒子。整體上,該探測粒子與種群中其他普通粒子聯合進行更高效率的搜尋。DPSO的優點是在避免PSO的早熟收斂的基礎上,進一步提高了PSO的收斂速度和收斂精度;缺點與APSO類似,增加了一定的額外計算開銷。經典型函式數值仿真實驗表明,本文APSO和DPSO算法提高了PSO求解多峰函式最佳化問題的能力;經約束Packing問題和簡化返回式衛星的回收艙布局最佳化數值仿真實驗表明,本文APSO和DPSO算法求解該約束布局最佳化問題的可行性和有效性,也有助於PSO算法改進的理論探討。
引文格式
張英男. 改進的粒子群最佳化算法（APSO和DPSO）研究[D].大連理工大學,2008.
