文档介绍：密级:——编号:——分类号:——基于混合优化策略的粒子群算法及其应用研究工学硕士学位论文:通信与信息系统:信息与通信工程学院论文提交日期:硕士研究生:杨立标指导教师:陶新民副教授学位级别:工学硕士学科、专业所在单位年月论文答辩日期:年学位授予单位:哈尔滨工程大学●●■■觥馹■■■●
瓻广,●瓺..:,:’●:,
作者┳:彳榔作者┳:呀獬卜导师┳影跏灭学位论文原创性声明学位论文授权使用声明哈尔滨工程大学晗缭拢嗜尔滨工程大学。涉密学位论文待解密后适用本声明。辍菰拢跞誮句;。本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。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。本人完全意识到本声明的法律结果由本人承担。日期:谀甓嘣耭歹日本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈本论文谠谑谟柩缓蠹纯口在授予学位个月后解密后晒豕こ檀笱徒挥泄夭棵沤斜4妗⒒惚嗟取日期:上口/、.’,、、.
摘要粒子群优化算法,源于对鸟类觅食行为年共同提出,是一种基于群智能理论的新兴演化计算技术。惴ㄍü具有全局寻优的特点。作为群智能的典型代表,惴ㄒ丫恢っ魇且恢有效的全局优化方法,表现出了广泛的应用前景。本文对惴ǖ幕驹怼⒎⒄购透慕约肮こ逃τ媒辛私衔O低的阐述。本文的主要研究工作和创新点可归纳如下:,并通过计算群体适应度方差判断群体空间状态,函数对群体空间的全局变异操作,易导致粒子群算法结构失效及不易收敛的缺点。通过实验说明,新算法优化性能好于粒子群算法和文化粒子群算法。岢鲆恢置鄯浣土W尤核惴。新算法并行利用蜜蜂进化型遗传算法中的选择、交叉和变异思想以及惴ǖ乃俾屎臀灰新的混合算法可以克服早熟收敛并提高收敛速度,其优化性能好于粒子群算法和蜜蜂进化型遗传算法。最后,将两种新算法应用于训练神经网络问题,实验结果表明本文算法在相同的迭代次数下,训练的神经网络收敛速度大大提高,且性能和精度也关键词:粒子群算法;群体适应度方差;文化算法;蜜蜂进化型遗传算法;的研究,由美国心理学家┦亢偷缙こ淌┦坑体中粒子间的合作与竞争产生的群智能指导优化搜索,有较强的通用性同时当惴ㄏ萑刖植孔钣攀毙拍羁占湓蜃允视Φ乩糜跋旌匀禾蹇占进行变异更新,既有效发挥了文化算法“双演化双促进”机制,又避免了影响更新规则,有机结合了算法和惴ǜ髯杂诺恪Mü笛樗得鳎显著提高。神经网络哈尔滨檀笱妒垦ж畚
甌,,..瓵.■
籦哈尔滨薮笱妒Ш温畚甊;琩琧甀琍’甌..簆;;·
目录第滦髀邸璴群智能算法研究和发展现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.褐悄芩惴ㄗ芙嵊胝雇第铝W尤核惴ā粒子群算法的发展与改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...W尤核惴ú问慕璴自适应指导的文化粒子群算法基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.幕惴ǖ幕舅枷搿自适应指导文化粒子群算法的实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..粒子群算法的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第伦允视χ傅嫉奈幕W尤核惴ā引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...
.笛榻峁第旅鄯浣土W尤核惴ā算法的实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.惴ǖ幕静街琛神经网络介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯