【摘 要】
:
粒子群优化算法(Particle Swarm Optimization, PSO)是人工生命与群体智能理论的结合下提出的一种启发式算法,最早是由Eberhart和Kennedy于九十年代中期提出的,是在鸟群、鱼群和
论文部分内容阅读
粒子群优化算法(Particle Swarm Optimization, PSO)是人工生命与群体智能理论的结合下提出的一种启发式算法,最早是由Eberhart和Kennedy于九十年代中期提出的,是在鸟群、鱼群和人类社会行为规律的启发下提出的一种基于群体智能(Swarm Intelligence)的演化计算技术。
粒子群算法由于算法中涉及的参数少、容易实现、收敛速度快等优点被广泛用于研究和解决现实的工业生产问题。但是随着应用的普及,人们也越来越发现PSO有着它本身固有的缺点,如算法后期收敛的速度相对较慢,并且容易陷入局部极值和精度低等缺点。针对这些缺点,也掀起了研究PSO的热潮,很多PSO的改进算法也随之提出。这其中最受关注之一的就是将遗传算法的操作算子引入PSO。这其中最著名的就是Lovbjerg、Rasmuwsen和Krink早在2000年提出将进化算法(遗传算法)中的交叉算子引入PSO的协调粒子群优化算法(HPSO)模型。
粒子群算法有基本粒子群算法和标准粒子群算法两种。本论文首先介绍了经过基本粒子群算法改进而来的标准粒子群算法以及改进的其他PSO算法。其次根据佳点集的优良特性,提出了基于佳点集交叉的粒子群算法并从理论上说明了佳点集交叉应用于粒子群算法的好处。最后,论文用提出的佳点集交叉粒子群算法解决连续空间的5个函数优化和两个典型的NP问题即TSP和背包问题。从连续空间的函数优化和离散的组合优化两个方面证明了将佳点集交叉算法用于粒子群算法的优化问题上无论从精度还是速度上都比其他算法好。
其他文献
随着社会各学科知识的剧增,各种新知识,新术语层出不穷。为了适应对于领域词典的编写要求,从浩如烟海的科技文献中找到领域相关的新术语,本文提出了一种基于领域本体的新术语
在最新的许多计算机图形相关应用中,多细节层次(Level of Detail,LOD)技术被广泛用于渲染效率的优化。各种多细节层次,比如几何层面的多细节层次(Geometric LOD)、着色器层面的
心电信号是心脏活动微弱电信号的综合表现,采集方法简洁方便,具有极强的临床诊断价值。但是当前医疗服务中心电采集、存储和分析诊断由于设施、技术的限制,不能及时有效对心
随着高度集成的系统芯片SoC(System-On-A-Chip)成为市场主流,微处理器芯片的测试和调试变得更加复杂。这为传统的调试方法带来以下困难:
1.受SoC处理器的封装限制,不能
随着Internet、数码相机技术和扫描技术的迅速发展,网络上的图像信息以爆炸性的速度不断丰富和扩展。然而由于Web数据具有多样性、复杂性和无规则性,如何快速有效地从海量数
伴随着互联网技术的不断发展,电子商务也取得了巨大的发展。人们在享受电子商务带来便捷的同时,也不得不面对电子商务站点上的商品不断增加,要找到自己所需商品越来越困难。
实时数据库是数据和事务都有定时性限制的一类特殊数据库,主要针对各种时间关键型应用。过程控制是实时数据库的一个非常重要的应用场合,它主要处理生产装置、生产过程的控制
Ad Hoc网络实现了在没有基础设施环境下的移动节点自由互联,在军事领域及民用服务领域都有广泛的应用前景,因而受到了学术界广泛关注。其中,对Ad Hoc网络中可靠传输协议TCP性能
随着社会经济的快速发展,国家及各级地方政府对教育行业的投入越来越大,教育采购的规模也逐年扩大,这样需要一套信息化的措施来提高政府采购的执行效率。政府采购过程涉及单
波达方向(Direction Of Arrival,DOA)估计技术起初由空域滤波和时域谱估计发展而来,其参数估计性能优越,应用前景宽广,例如雷达、声纳、电子对抗和无线定位等技术,目前已成为