浅谈基于云模型的改进粒子群算法研究与应用

浅谈基于云模型的改进粒子群算法研究与应用

ID:34824948

大小:2.50 MB

页数:74页

时间:2019-03-11

浅谈基于云模型的改进粒子群算法研究与应用_第1页
浅谈基于云模型的改进粒子群算法研究与应用_第2页
浅谈基于云模型的改进粒子群算法研究与应用_第3页
浅谈基于云模型的改进粒子群算法研究与应用_第4页
浅谈基于云模型的改进粒子群算法研究与应用_第5页
资源描述:

《浅谈基于云模型的改进粒子群算法研究与应用》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、学校代号:10532学号:S08102093密级:普通湖南大学硕士学位论文基于云模型的改进粒子群算法研究与应用ResearclnComputerApplicationintheGraduateSchoolofHunanUniversitySupervisorAssociateProfessorZHANGYingjieNovember,2010本人郑重声明:得的研究成果。除了他个人或集体已经发人和集体,均已在文由本人承担。作者签名:学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家

2、有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口,在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“√’’)作者签名:导师签名:日期:.彻年刀月巧日日期:砌年,/月材日利圆硕士学位论文摘要优化是人们在科学研究、工程技术和经济管理等诸多领域中经常遇到的问题。粒子群优化算法(PSO)是最近十年来提出来的一种启发式群智能全局优化进化算法,具有原理简单、容易实

3、现、收敛速度快等优点,适用于求解非线性、不可微的复杂优化问题,也可应用于组合优化问题,已成为人工智能研究的一个重要分支。然而粒子群算法也存在早熟收敛、容易陷入局部最优与搜索精度不高等固有缺陷,因此,针对这些缺陷进行算法的改进研究,并拓展算法的应用领域,具有重要的理论价值和实际意义。本文在系统分析了粒子群算法的基本理论和改进的一般原则基础上,结合云模型在非规范知识的定性、定量表示及其相互转换过程中的优良特性,提出了两种形式的云粒子群算法一一完全云粒子群算法(CCPSO)和云变异粒子群算法(CHPSO)。该算法利用云模型对粒子的进

4、化和变异进行统一建模,能够自适应的控制粒子的搜索范围,使算法快速收敛到最优解。并通过正态云算子实现粒子的变异操作,从而较好的避免算法早熟收敛的问题。通过典型复杂函数测试表明,云粒子群算法能有效找出全局最优解,特别是在多峰值函数寻优中效果更加明显。软硬件划分是嵌入式系统协同设计的关键技术,它是在满足各项约束条件的前提下,为嵌入式系统各功能模块确定具体的实现方式,为系统提供最佳的软硬件划分方案。基于云模型定性与定量之间转换的思想,对克隆选择算法中的克隆算子、变异算子和选择选择进行了重新定义,并将其融入到离散二进制粒子群算法当中,形

5、成了一种粒子群算法与免疫克隆选择算法融合的免疫粒子群软硬件划分方法。仿真实验表明该算法有效提高了解的精度,获得了更合理的软硬件划分结果。关键词:粒子群优化算法;云模型;数值优化;软硬件划分Ⅱ基于云模型的改进粒子群算法研究与应用AbstractManyscientific,engineeringandeconomicproblemsneedtheoptimizationofasetofparameterswiththeaimofminimizingormaximizingtheobjectivefunctions.Particl

6、eSwarmOptimization(PSO)isakindofgroupintelligentheuristicglobalevolutionalalgorithmthatwasproposedintherecentdecade.Withtheadvantagessuchasitsprincipleissimple,ithasfastconvergencerateanditiseasytobeimplemented,itisappliedtosolvenon—linearandnon-diffvrentiablecomple

7、xoptimizationproblem,alsoitcanbeusedtosolvecombinatorialoptimizationproblemtoo.PSOhasbecomeanimportantbranchinartificialintelligenceresearchareasinrecentyears.However,PSOhassomeinherentdefectssuchasfollowing:prematureconvergence,easilyturningintolocaloptimizationand

8、poorsearchresult.Inresponsetothesedefects,takingstepstoimprovePSOalgorithmandexpandapplicationfieldswillhaveimportanttheoreticalvalueandpr

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。