粒子群算法在多维优化问题中的改进研究-控制科学与工程专业论文.docxVIP

万方数据 万方数据 A Thesis for Master Degree Improved Particle Swarm Algorithms for Multi-dimensional Optimization Problems By Jiang Xiao-sheng Supervisor: Associate professor. Ren Jia School of Machinery and Automation Zhejiang Sci-Tech University Hang Zhou, China January, 2016 卧在车y_ 卧在车y_ 浙江理工大学学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论 文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 浙江理工大学或其他教育机构的学位或证书而使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 学位论文作者签名:在「吱趴 签字日期: μ f b 年 3 月 8 日 卧在车y_ 卧在车y_ 学位论文版权使用授权书 本学位论文作者完全了解浙江理工大学有权保留并向国 家有关部门或机构送交本论文的复印件和磁盘，允许论文被 查阅和借阅。本人授权浙江理工大学可以将学位论文的全部 或部分内容编入有关数据库进行检索和传播，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名:什哈州 签字日期 : ).0/ b 年 j 月 2 日 导师签名: 签字日期: 千tr飞 I b 年 4 月 2 日 摘 要 粒子群优化算法(Particle Swarm Optimization, PSO)作为一种新兴的仿生类群智能算法， 起源于对鸟类群体觅食行为的模拟。该算法通过群体中个体之间的信息交互来实现寻优的 目的。与其他群智能优化算法相比，PSO 凭借其实现简单，可调节参数少，收敛速度快等 特点，受到众多学者的关注与研究，并且被广泛应用于生物医学、图像处理、工程优化等 领域。尽管当前对粒子群优化算法的研究已经取得了一定成果，但随着模型覆盖层次的不 断提高，优化模型呈现出越来越显著的高维特性，致使单纯的粒子群优化算法拓展到高维 优化问题中无法取得满意的效果。 本文的研究得到了国家自然科学基金、浙江省自然科学基金及浙江理工大学研究生创 新项目的资助。主要研究工作和成果如下： （1）针对标准粒子群优化算法在处理多维、多峰值问题时暴露出的易早熟收敛的难题， 设计并提出多维度惯性权重衰减混沌化粒子群算法(Multi-Dimensional Descending Chaotic Inertia Weight based PSO，MDDCIW_PSO)。在粒子群进化过程中，赋予每代群体中每个粒 子的每一维度以不同的线性衰减混沌化惯性权重。即以纵向看，随着迭代次数的增加，惯 性权重呈现线性衰减变化；从横向看，当代的每个粒子的每一维度都在当前衰减半径内呈 现独立的混沌变化。MDDCIW_PSO 算法从纵横两个方向，最大可能地增强了粒子在搜索 后期的群活性和局部搜索能力，从而尽可能地使种群避免陷入局部最优。仿真测试结果表 明 MDDCIW_PSO 算法能够较大幅度地提高粒子群算法的搜索精度和收敛速度。 （2）通过对粒子群优化算法机理和本质并行性的分析，采用目前被广泛使用的岛屿模 型，设计并提出一种基于岛屿模型的多子种群并行优化算法(Multipopulation Parallel PSO based on the island model，MPPSO)。首先构造子种群规模采样函数对子种群的个数设定提 供一定参考；其次引入 K-means++聚类方法，尽可能地将所有子种群充盈分布在解空间中， 提高搜索效率；最后基于网络拓扑结构提出一种子种群间信息交互的策略。仿真测试结果 表明，该算法能在一定程度上提升算法性能，避免早熟收敛。 （3）将上述改进后的粒子群优化算法应用于印染定型机的能耗模型优化求解中，为工 业现场中各级烘箱的最优工作温度设定和布料进入烘箱的最佳速度设定提供一定参考。通 过实例印证上述改进机制的可行性。 关键词：粒子群优化算法；早熟收敛；惯性权重；岛屿模型；印染定型机 I 万方数据 万方数据 Improved Particle Swarm Optimization Algorithms for Multi-dimensional Optimization Problems Abstract As a new kind of swarm intelligence optimization algorit