粒子群优化算法应用分析

《粒子群优化算法应用分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、粒子群优化算法应用研究第一章绪论本章简要介绍了粒子群优化算法的起源及研究意义，说明了本文的主要工作及论文结构。1．1粒子群优化算法研究意义粒子群优化算法(ParticleSwarmOptimization，PSO)是由美国的Kennedy和Eberhart在1995年提出的【1】。在粒子群优化算法中，每个粒子作为优化问题的一个可行解，并由目标函数为其确定一个适应值，粒子在搜索空间中以一定的速度飞行。每个粒子在搜索时，追随自己搜索到的历史最优值和群体历史最优值，在此基础上进行速度和位置的更新。PSO基本

2、模型与遗传算法类似，是一种基于迭代的优化工具。但是在算法实现过程中没有交叉、变异操作，而是以粒子对解空间中最优粒子的追随进行解空间的搜索。同遗传算法相比，PSO的优点在于流程简单，容易实现，算法参数简洁，无需复杂的调整。因此，粒子群优化算法一提出，立刻引起了进化计算等领域学者们的广泛关注，在短短几年时间里出现大量的研究成果，成为进化计算领域内的一个研究热点。粒子群优化算法最早应用于连续函数优化和人工神经网络训练【2】。随后，PSO算法在约束优化、数据聚类、模式识别、电力系统等问题中均得到了成功的应用。

3、随着对PSO研究地不断深入，学者们提出了多种改进的PSO算法，广泛应用于函数优化、集成电路设计、模糊系统控制等多个领域。当然，PSO还是一种新兴的智能优化算法，研究粒子群优化算法与其他元启发算法的融合，进一步拓展其应用领域是值得关注的热点，更是一项非常有意义的工作。1．2本文主要工作及论文结构1．2．1本文主要工作学习了粒子群优化算法、模拟退火算法、遗传算法、禁忌搜索算法等常用元启发算法，研究了粒子群优化算法与其他元启发算法的融合技术，拓展了粒子群优化算法的应用。第一章绪论粒子群优化算法应用研究对蛋白

4、质折叠结构的预测和研究在蛋白质工程中有着极其重要的意义。传统的蛋白质结构测定方法，如X射线晶体衍射方法、核磁共振技术的测定速度都比较缓慢，只能限于较短序列的蛋白质结构测定[3】。因而，利用计算机的高效计算能力来预测蛋白质结构已成为当前的研究热点，但其计算量却非常惊人，折叠空间随着蛋白质序列的长度的增长呈指数级增长。为此，相关学者提出了各种简化模型。Stillinger等提出的Toy模型比HP格点模型更接近真实蛋白质。目前，已有学者采用元启发式算法应用到Toy模型中进行蛋白质折叠结构预测。二次分配问题(

5、QuadraticAssignmentProblem，QAP)是一个经典的组合优化问题[4】，目的是寻找n个设备到n个位置的最优布局。该问题具有重要的理论与实用价值，许多实际的问题，如：大学校园中建筑物的布局、医院中科室的安排、键盘布局问题等都可以转化为QnP来解决[5，6】。QAP是一个NP-Hard问题[7】，无法寻找求解QAV的多项式时间算法。一般来说，当问题规模n>20时就很难找到最优解。为了实际可行地解决二次分配问题，人们广泛采用元启发式算法，以便在较短的时间内求得较优解。本文对粒子群优化算

6、法进行改进，并分别与爬山算法、模拟退火算法和遗传算法、禁忌搜索算法进行融合，形成了随机扰动粒子群．爬山算法和混合离散粒子群优化算法，分别用于蛋白质折叠结构预测和求解二次分配问题，拓展了粒子群优化算法的应用，取得了良好的效果，并探讨了混合离散粒子群优化算法在OpenMP上的并行实现技术。1．2．2论文结构全文共分为五章，各章的内容安排如下：第一章首先介绍了粒子群优化算法的研究意义，给出了本文主要工作和论文结构。第二章详细介绍了标准粒子群优化算法的原理，分析了粒子群优化算法的研究现状，并简要介绍了与本文相

7、关的其他元启发算法。第三章采用粒子群优化算法求解连续优化问题——应用到二维TOy模型中进行蛋白质折叠结构预测。介绍了蛋白质折叠结构预测中的相关知识，其中包括蛋白质结构功能的关系、蛋白质结构预测问题的发展及其重要性、HP格点模型以及TOy模型。2粒了群优化算法应用研究第一章绪论提出了一种随机扰动粒子群优化算法，并与爬山算法融合，应用到二维Toy模型中进行蛋白质折叠结构预测，并给出了在Fibonacci测试序列及真实蛋白质序列上的测试结果。第四章针对目前PS0算法对离散优化问题研究甚少的情况，尝试了粒子群

8、优化算法在离散优化问题上的应用——求解二次分配问题。对二次分配问题作了详细介绍，对标准粒子群优化算法进行改进，与遗传算法、禁忌搜索算法进行融合，提出了一种求解二次分配问题的混合离散粒子群优化算法，并给出了在QAPLIB数据上的测试结果。为了进一步验证本章算法的有效性及加速运行，研究了基于OpenMP的并行算法及其实现。第五章是对本文的总结与展望。论文结构如图1．1所示。l经典元启发算法介绍(2．1节)l旺!、．．■．’‘’I～’●．，⋯——11一上'’．