结合遗传算法粒子群优化模型及其应用的研究

结合遗传算法粒子群优化模型及其应用的研究

ID:33927864

大小:13.51 MB

页数:60页

时间:2019-02-28

结合遗传算法粒子群优化模型及其应用的研究_第1页
结合遗传算法粒子群优化模型及其应用的研究_第2页
结合遗传算法粒子群优化模型及其应用的研究_第3页
结合遗传算法粒子群优化模型及其应用的研究_第4页
结合遗传算法粒子群优化模型及其应用的研究_第5页
资源描述:

《结合遗传算法粒子群优化模型及其应用的研究》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、山东师范大学硕士学位论文结合遗传算法的粒子群优化模型及其应用研究姓名:王慧申请学位级别:硕士专业:计算机软件与理论指导教师:刘希玉20080408山东师范大学硕士学位论文结合遗传算法的粒子群优化模型及其应用研究摘要群体智能(swannintelligence)作为一个新兴领域,自从20世纪80年代出现以来,引起了多个学科领域研究人员的关注,已经成为人工智能以及经济、社会、生物等交叉学科的热点和前沿领域。其中,1995年提出的微粒群算法也已经成功地应用于多个领域。它与遗传算法类似,也有初始种群经过一步步迭代进化,但是,PSO没有遗传操作(如交叉算子和变异算子),而

2、是根据自己的速度来决定搜索过程,而且微粒具有记忆性,它的信息共享机制也不同于GA,在遗传算法中,染色体之间互相共享信息,所以单个种群的移动是比较均匀地向最优区域移动,而在PSO中,只有最优的粒子把信息给予其他的粒子,这是单向的信息流动,整个搜索更新过程是跟随当前最优解的过程,与遗传算法比较,在大多数的情况下,所有的粒子可能更快的收敛于最优解。由于微粒群算法简单,容易实现,越来越多的学者对它进行了研究,已成为一个研究的热点问题。随着市场竞争的日趋激烈,社会的消费观念不断发生变化,产品的功能已不再是消费者决定购买的最主要因素。产品的创新性、环保性、宜人性、外观造型等

3、因素愈来愈受到重视,在竞争中占据突出地位。在这种情况下,许多企业都意识到产品设计将成为抢占市场的决定性因素,因而试图通过产品的创新性来获得核心竞争力。创新设计能够满足求新和多变的市场需求,有效地提高产品的市场竞争力。因此,创新设计研究倍受国内外相关学者的关注。。到目前为止,尚未有一种系统化的方法引导设计者有条理的进行创新设计。大多数的设计实例不是凭空创造新产品,而是在现有产品的基础上对其进行修改,以改进产品的质量和性能,满足用户需求。智能算法的兴起,为我们探索新的概念创新设计途径提供了很好的支持。本文致力于研究结合遗传算法的粒子群优化模型的建立及其应用问题,目的

4、是通过研究新的、适用于创新设计的优化机制,将已有的进化设计的研究融入到新的智能算法中,为设计师创新思路的开拓提供支撑平台。主要工作为:1.提出一种基于云模型的进化机制云是用语言值表示的某个定性概念与其定量表示之间的不确定转换模型,它把不确定,性概念的模糊性和随机性有机地结合在一起,成功地解决了定性概念与定量值之间的转换。而创新概念设计本身也带有一定的不确定性,基于此,本文在标准GA的基础之上,将云模型引入了遗传变异之中,保留了原有算法的全局优化能力,能够克服原有遗传算法的缺点,加快设计速度,拓宽设计思路,能够增强构件概念设计的创新性。2.提出一种基于动态小生境的

5、微粒群优化模型自然界的小生境为新物种的形成提供了可能性,是生物界保持近乎无限多样性的根本原因之一。现有的微粒群算法及其变种都有着收敛速度慢、容易陷入局部极值问题,再针i山东师范大学硕士学位论文对目前创新概念设计的特点,本文提出一种改进的基于动态小生境的微粒群优化模型。3.将GA与PS0相结合,提出结合遗传算法的粒子群优化技术在动态小生境微粒群算法的基础上,引入杂交及变异机制,使微粒群具有遗传特性,杂交能充分利用现有的信息,而变异能够产生新的解以扩大搜索的范围,在新解产生时,对其进行杂交,以产生更好的解,当搜索陷入停滞阶段时再对其进行变异,杂交和变异可以互补的,将

6、两者结合实现了优势互补,从而减少计算时间以及避免早熟现象。4.实现了一个基于结合遗传算法的粒子群优化技术的手机创新设计系统将结合遗传算法的粒子群优化技术应用于手机创新设计领域,设计并实现了一个手机创新设计系统。系统三维引擎ACIS为造型内核,采用SQLServer2000数据库系统,利用VC++.NET2003在WindowsⅪ,平台上开发完成。分别针对手机构件的设计、选择、组装优化等等进行了实验分析,设计结果令人满意。关键词:微粒群优化;共享小生境;遗传算法;云模型;创新设计;手机设计分类号:TP39l。72山东师范大学硕士学位论文第一章绪论本章首先介绍了遗传

7、算法和微粒群算法的研究背景及前沿,其次阐述创新概念设计的发展现状,最后介绍了本文的主要工作和组织结构。1.1研究现状1.1.1遗传算法的研究现状遗传算法是在20世纪60至70年代由美国M蕊g孤大学的JohnHolland教授等人提出的。他们试图从生物在自然系统中的适应的复杂过程寻求规律和解释,模拟生物在种群中的进化机制来构造现实的系统模型。在此之前,已经有少数计算枫科学家提鲞并进行了所谓“人工进化”系统的研究,其目的是借用自然界中“优胜劣汰,适者生存”的法则来解决许多工程中的优化阀题。其中有些系统已经提出了种群◇印ul旋。国、选择和变异操作等概念。60年代初,柏

8、林工业大学的I.Rech

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。