1.1.1 自然计算的研究背景
自然计算的分支粒子群优化算法自提出十多年以来,由于其算法简单、计算快速和算法易实现性等,引起了国际上多个不同领域众多学者的关注和研究,从而成为了国际自然计算界研究热点问题之一。目前,粒子群优化算法出现多种改进算法,获得了很大的进展,且已经应用于许多科学及工程领域,特别是在组合优化、工业控制等领域得到了广泛的应用。由于算法形式简洁,容易编程,应用广泛等优点。同时由于它易陷入局部极值,必须进一步改进,从而在一定程度上可以增强其优化性能,深受业内人士的重视。现阶段研究粒子群优化算法的性能改进,主要集中在各种机制的改进,得出一种新的算法,提高了优化性能,求解实际问题。有研究者借鉴遗传算法的思想提出了混合PSO算法(Hybrid PSO)的概念。基于PSO搜索过程很大程度上依赖Pbest和Gbest,它的搜索区域受到了这两个极值的限制,混合PSO算法就将PSO基本算法和遗传算法的选择机制相结合,以提高算法的性能。Angeline将演化计算所采用的自然选择机制引入PSO,提高PSO的局部搜索能力,但同时削弱了全局搜索能力;Noel等人将梯度信息引入PSO算法,主要是利用梯度信息使算法搜索到局部最优点,最大特点是不需要邻居结构,可节省标准PSO算法需要比较的计算量,加快了收敛速度;Wachowiak等人提出将Powell方法嵌人PSO算法中,以提高解的精度;混合PSO算法由于局部搜索能力增强,在一定程度上可找到最优解,且可克服早熟收敛问题,但是以增加计算时间为代价。目前对粒子群优化算法的研究和改进主要有如下几个方面:基于惯性权重和收敛因子的改进、与进化计算技巧有机结合、基于领域算子及拓扑结构的改进、构造新的微粒组织或者群结构、离散二进制粒子群优化算法、与其它优化方法的结合。
1.1.2 自然计算的应用
粒子群算法具有个体数目少,计算快,依赖经验参数较少。鲁棒性、通用性和有效性好等特点,它已经成功应用于多个不同的领域。简单归纳为如下:
(1) 函数优化问题的求解:约束优化问题的求解,数值积分的求解,约束规划问题的求解,多目标优化问题的求解,组合优化问题的求解,离散空间组合优化问题的求解。
(2) 电力系统领域:利用基于PSO算法优化电力系统稳定器参数的问题;利用PSO算法解决电力系统的多种经济调度问题;一种新的混合智能方法用来解决配电网络重构问题。
(3) 机器人领域:Venayagamoorthy等利用PSO算法和基于PSO算法的模糊控制对可移动式传感器进行导航;Wu等利用PSO算法求解机器人路径规划问题。
(4) 化工领域:运用基于小波神经网络的HGDPSO对机器进行故障诊断;将PSO运用到烧结矿配料优化中;将PSO运用到机械优化设计中。
(5) 机械设计领域:利用PSO对PID控制器参数的自整定;利用PSO优化RBF网络学习;一种PSO算法设计FIR数字滤波器的方法。
(6) 通信领域:一种基于分布式计算的多目标粒子群算法;并将其应用于基站优化问题,利用PSO设计RF电路。
(7) 图像处理领域:利用HPSO解决任务分配问题;量子行为的粒子群优化算法应用于图像压缩。
(8) 生物信息领域:Xiao等利用基于自组织映射和PSO算法的混合聚类方法来解决基因聚类问题;利用PSO对谷安梅菌体生长进行参数估计。
(9) 医学领域:Shen 和Kennedy等提出离散PSO算法选择MLR和PLS模型的参数,并预测血管紧缩的对抗性。
- 上一篇:温度采集上位机软件开发+文献综述
- 下一篇:多天线无线通信系统的先进检测算法研究
-
-
-
-
-
-
-
电站锅炉暖风器设计任务书
java+mysql车辆管理系统的设计+源代码
当代大学生慈善意识研究+文献综述
十二层带中心支撑钢结构...
河岸冲刷和泥沙淤积的监测国内外研究现状
中考体育项目与体育教学合理结合的研究
大众媒体对公共政策制定的影响
酸性水汽提装置总汽提塔设计+CAD图纸
乳业同业并购式全产业链...
杂拟谷盗体内共生菌沃尔...