文档介绍：文摘要中在管理科学、信息科学、系统科学以及工业工程等众多领域都存在着客观的或人为的随机性,相应地存在着大量的随机优化问题。进化计算方法,如遗传算法、进化策略、蚁群算法、微粒群算法等用于求解随机优化问题在最优性方面得到了很好的结果,但由于其适应值估计婊抡非常费时而限制了其实际应用。因此,本论文研究如何在微粒群算法过程中,利用已有适应值估计的信息预测一些变量的适应值,以减少运行随机仿真的次数,从而从总体上减少计算时间。首先,采用广义回归神经网络作为适应值预测模型,通过对广义回归神经网络的分析给出它与微粒群算法的结合机制、预测策略及模型更新策略,由此来决定个体的适应值是用预测模型进行预测还是用随机仿真进行估计及何时更新预测模型,从而提出一种将广义回归神经网络与微粒群算法相结合求解随机优化问题的智能算法,通过实例仿真说明了该算法在保证算法性能的前提下,在适应值计算方面大大减少了计算量从而从总体上节省了大量时间,体现了它在求解随机优化问题中优势。其次,采用P妥魑J视χ翟げ饽P停蒏模型与微粒群算法的结合机制及预测策略选择部分个体的适应值进行预测,其余个体的适应值则用随机仿真进行估计,提出一种将P陀胛⒘H核惴ㄏ嘟岷锨蠼馑婊呕侍獾乃惴ǎ为随机优化问题的处理提供了一条新的有效途径。关键词:随机优化问题;微粒群算法;随机仿真;广义回归神经网络;P中文摘要
知识水坝为您整理
。,.,甮.,琲瑂瓵琫,痜甌甀..,’.琣.,瑃.
知识水坝为您整理
籔;适合于随机优化问题的微粒群算法研究篠;籏
占气日期:竺乏墨芝关于学位论文使用权的说明声中包括:①学校有权保管、并向有关部门送交学位论文的原件、复印件与电子版;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查阅或借阅;④学校可以学术交明尸本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。作者签名:本人完全了解太原科技大学有关保管、使用学位论文的规定,其流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容C苎宦畚脑诮饷芎笞袷卮斯娑。导师签名:日期:
第一章绪论概述国内外研究动态在进化计算中,其计算复杂性主要取决于所解决问题适应值函数的计算次数。对于一般的非线性函数优化问题,由于其适应值函数的计算量较少,因而如何提高收敛速度、减少进化代数等是进化类优化方法的主要目标。但是,在进化计算的实际应用中,往往会遇到一些适应值估计非常耗时的问题,如基于仿真模型的仿真优化问题、目标函数中含有随机变量的问题或者适应值需要通过一系列复杂计算才能近似估计的问题等等,这时,适应值的一次估计要运行一系列软件才能得到。采用进化计算解决这些问题将非常费时,具有很高的计算复杂性。如何减少适应值的精确估计次数,以减少计算复杂性,是进化计算能否成功应用于这些问题的关键。随机优化问题广泛存在于工程、管理、控制等领域,对于该类问题的求解,虽然理论上已发展了一些方法,但仍存在着许多问题。进化计算方法,如遗传算法、进化策略、蚁群算法、微粒群算法等用于求解随机优化问题也得到了一些尝试,但在计算中,适应值的每一次估计都要通过运行随机仿真软件来近似得到,这将是非常耗时的。所以虽然进化计算应用于随机优化问题在最优性方面得到了很好的结果,但由于其适应值估计婊抡非常费时而限制了其实际应用。一种可行的思想就是如何在进化计算过程中,利用已有适应值估计的信息预测一些变量的适应值,以减少运行随机仿真的次数,从而从总体上减少计算时间。微粒群算法魑R恢中碌闹悄芗际酰用基于种群的并行全局搜索策略,但不具有选择、变异等操作,仅采用简单的速度一位置模型实现对整个空间的寻优操作。由于该算法概念简单、易于实现、优化性能好,目前已在许多问题中得到了成功的应用,所以本文试图将惴ㄓ胧视χ翟げ方法相结合用于解决随机优化问题。.视χ翟げ夥椒ǖ难芯慷迄今为止,适应值预测方法已被广泛应用于进化计算中。多项式模型通常称为表面响应法,是应用最广泛的一种适应值预测模型,其二嘞钍侥P阶形式为:
多∑卢,薯苀,琑与啾龋峁垢其中为原适应值函数的全局模型,是一个关于囊阎:籞且桓銎谕值为零、协方差非零的高斯随机函数,它代表偏离全局模型的局部偏差。通常是一个多项式,在很多情况下被简化为一个常数。P椭械牟问捎眉ù笏然法来估计。在P椭兄恍杞猩倭考扑惚憧苫竦霉兰频闹眯徘洹H欢珿且恢殖S玫腒模型,它是一个给定数据点集上的概率模型,该概率模型被用来预测新数据点上函数值的均值和标准差。械牟问捎玫湫统ざ取⒃胍羲降壤瓷柚茫部捎眉ù笏迫环ㄓ呕玫健由于恍枰Tは榷ㄒ