粒子群優(yōu)化的鄰居拓撲結(jié)構(gòu)和算法改進研究.pdf

1、重慶大學博士學位論文粒子群優(yōu)化的鄰居拓撲結(jié)構(gòu)和算法改進研究姓名：陳自郁申請學位級別：博士專業(yè)：計算機系統(tǒng)結(jié)構(gòu)指導教師：何中市20091201重慶大學博十學位論文兩類算法利用粒子的自身特性和鄰居狀態(tài)，在環(huán)形結(jié)構(gòu)的基礎上通過不斷擴充鄰居來提高性能。在PSOSADN算法中根據(jù)粒子和鄰居最優(yōu)位置的關(guān)系，定義了粒子的擴充概率來自適應地調(diào)整粒子的擴充速度；同時，利用無團鄰居拓撲結(jié)構(gòu)的性質(zhì)提出了三種鄰居擴充策略，由此得到三個不同的PSO算法(PSOS

2、ADNl、PSOSADN2和PSOSADN3)。PSODNE算法則基于控制“富人節(jié)點”影響力的思想，通過定義粒子鄰居擴充因子和鄰居擴充與約束策略來調(diào)整粒子的鄰居擴充行為和擴充速度。與基于不同鄰居結(jié)構(gòu)的PSO算法的比較實驗，結(jié)果表明：PSOSADNl算法具有較快的收斂速度，PSOSADN2算法具有較好的平衡性能，而PSOSADN3和PSODNE算法在全局尋優(yōu)能力方面表現(xiàn)較好。實驗還分析了擴充行為對算法性能的影響。⑤設計了一種基于動態(tài)子群的

3、混合粒子群優(yōu)化算法(HPSODS)。FIPSODS算法依據(jù)粒子的適應值特性，采用層次聚類將粒子動態(tài)地分為多個子群；并按照各子群的性能，將它們歸為四類；每類采用不同作用的進化策略，合作實現(xiàn)優(yōu)化任務。算法引入種群熵控制聚類頻率，引入高斯變異和分段線性混沌映射設計出四種不同的進化策略，實現(xiàn)了不同區(qū)域、不同目的的尋優(yōu)。通過實驗分析了子群數(shù)和四種進化策略對算法的影響，給出了子群數(shù)的選擇范圍。與其它著名的PSO算法對比實驗，結(jié)果表明：HPSODS算

4、法在典型的單模和多模測試函數(shù)中均顯示出更強的全局搜索能力、更高的求解精度、更快的收斂速度以及更好的穩(wěn)定性。⑥建立了一種新的解決集合組合優(yōu)化問題的離散粒子群優(yōu)化模型(SDPSO)，并由此設計出背包問題的集合解決方法。SDPSO模型將集合概念和運算引入到粒子群優(yōu)化中，定義了一個可變集合搜索空間，重新定義了粒子的位置、速度及作用于此空間的運算規(guī)則。采用四個不同規(guī)模的背包實例進行測試，實驗結(jié)果顯示基于該模型的算法具有較強的尋優(yōu)能力和較快的收斂速