![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/9e2efb1e-e9a3-4f6e-bbb8-53d7bc02617f/9e2efb1e-e9a3-4f6e-bbb8-53d7bc02617fpic.jpg)
![遺傳算法與粒子群算法的改進及應(yīng)用.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/9e2efb1e-e9a3-4f6e-bbb8-53d7bc02617f/9e2efb1e-e9a3-4f6e-bbb8-53d7bc02617f1.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、華中科技大學(xué)博士學(xué)位論文遺傳算法與粒子群算法的改進及應(yīng)用姓名:張頂學(xué)申請學(xué)位級別:博士專業(yè):系統(tǒng)工程指導(dǎo)教師:劉新芝關(guān)治洪20071101華中科技大學(xué)博士學(xué)位論文II化,使算法具有動態(tài)的種群結(jié)構(gòu),從而保持了種群的多樣性。同時為了使粒子盡可能地分布在不同的搜索空間,在網(wǎng)絡(luò)模型演化過程中考慮了節(jié)點的個體價值,另外為了加快算法的收斂速度,在進化后期采用全局模型粒子群算法。仿真結(jié)果表明了算法的有效性和實用性。提出了一種基于PSO的動態(tài)聚類算法,
2、對標準PSO在編碼機制和操作過程上做了改進,并以DBIndex準則作為聚類有效性的判斷準則。將其應(yīng)用于模糊模型辨識中,用動態(tài)聚類算法確定模糊規(guī)則模型的前提結(jié)構(gòu)和參數(shù),然后用最小二乘法求解模糊模型的結(jié)論參數(shù)。并將該方法成功應(yīng)用于熱工過程模糊辨識中。將GA和PSO應(yīng)用到徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)中。首先將變長度染色體遺傳算法應(yīng)用于RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,并與最小二乘法相結(jié)合,同時確定網(wǎng)絡(luò)的結(jié)構(gòu)和中心參數(shù),用此方法建立了熱電廠熱負荷預(yù)測
3、模型,并與BP網(wǎng)絡(luò)和增長型結(jié)構(gòu)學(xué)習(xí)算法RBF網(wǎng)絡(luò)模型進行了比較,其模型精度有明顯地提高。然后研究了兩種基于PSO的RBF網(wǎng)絡(luò)學(xué)習(xí)算法,一種是先利用減聚類算法確定網(wǎng)絡(luò)的隱層單元數(shù),再用PSO對中心參數(shù)進行優(yōu)化,并與最小二乘法相結(jié)合來訓(xùn)練RBF網(wǎng)絡(luò);另一種是借鑒遞階遺傳算法的編碼原理,在PSO中引進了控制基因,并與最小二乘法相結(jié)合同時確定網(wǎng)絡(luò)的拓撲結(jié)構(gòu)和中心參數(shù)。結(jié)果表明,兩種算法是有效的。最后,對全文進行了總結(jié),指出了未來進一步研究的方向
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 遺傳算法與粒子群優(yōu)化算法的改進及應(yīng)用研究.pdf
- 基于量子遺傳算法的改進的粒子群算法及其應(yīng)用.pdf
- 粒子群算法與遺傳算法的結(jié)合研究.pdf
- 粒子群與遺傳算法的混合研究.pdf
- 基于粒子群與遺傳算法的BP算法優(yōu)化研究.pdf
- 粒子群優(yōu)化算法的改進與應(yīng)用.pdf
- 對粒子群算法的改進及應(yīng)用.pdf
- 粒子群與遺傳算法結(jié)合在PCA人臉識別算法中的應(yīng)用研究.pdf
- 基于遺傳算法和粒子群優(yōu)化算法的信道分配研究.pdf
- 粒子群算法的改進與應(yīng)用研究.pdf
- 結(jié)合遺傳算法的粒子群優(yōu)化模型及其應(yīng)用研究.pdf
- 粒子群算法的研究及改進.pdf
- 遺傳算法的改進研究與應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用
- 遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法的改進與巖石本構(gòu)數(shù)值模擬研究.pdf
- 基于免疫遺傳算法和粒子群算法的聚類研究.pdf
- 基于遺傳思想改進的粒子群優(yōu)化算法與應(yīng)用研究.pdf
- 粒子群優(yōu)化算法的改進研究及應(yīng)用.pdf
- 粒子群優(yōu)化算法的若干改進及應(yīng)用.pdf
- 改進粒子群優(yōu)化算法及應(yīng)用研究.pdf
評論
0/150
提交評論