摘要针对求解最优化问题,一种新型群体智能算法—粒子群算法(PSO)被提出。粒子群算法是从随机解出发,通过迭代寻找最优解,并通过适应度来评价解的品质。粒子群算法没有“交叉” 和“变异” 操作,通过追随当前搜索到的最优值来寻找全局最优值。这种算法以其实现容易、精度高、收敛快等优点引起了广泛的重视,并且在解决函数优化,神经网络训练,模糊系统控制等问题方面展示了其优越性。 67341
本文主要介绍了粒子群算法的基本概念,算法原理,各种改进型的粒子群算法,以及基于粒子群算法异步模式对网络并行实现的研究。通过对标准PSO算法和随机PSO算法的仿真说明了PSO算法在连续函数优化问题上的优点。
毕业论文关键词 粒子群算法 网络并行 异步模式
毕业设计说明书(论文)外文摘要
Title Particle swarm optimization in the parallel implementation of the LAN
Abstract For solving the optimization problem, a new swarm intelligence algorithm - Particle Swarm Optimization (PSO) was proposed. PSO is starting from a random solution, find the optimal solution by iteration, and through fitness to evaluate the quality of solutions. PSO has no "crossover" and "mutation" operation, by following the current search to find the optimal value of the global optimum. This algorithm is known for its easy implementation, high accuracy, fast convergence, etc. attracted wide attention, and demonstrated its superiority in solving function optimization, neural networks, fuzzy systems control and other issues.
This paper introduces the basic concepts of particle swarm algorithm, algorithm theory, a variety of improved PSO, and PSO-based asynchronous Mode parallel implementation of the network.Through the simulation of standard PSO algorithm and random PSO algorithm illustrates the PSO algorithm’s advantages in continuous function optimization problems .
Keywords PSO network parallel Asynchronous Mode
1 绪论1
1.1 最优化问题…1
1.2 粒子群算法简介…2
1.3 粒子群算法的发展和应用…4
2 粒子群算法原理分析…6
2.1算法原理6
2.2算法流程7
2.3 PSO算法的社会行为分析…8
2.4 带惯性权重的PSO算法8
3 改进型粒子群算法9
3.1 对基本粒子群算法进化方程的改进9
3.2 基于遗传思想改进PSO…12
3.3 利用小生境思想所作的改进…14
3.4 利用收敛性分析所作的改进…16
3.5 离散变量的粒子群算法…19
4 网络套接字简介…21
5 程序仿真分析26
5.1 粒子群算法同步模式分析…26
5.2 粒子群算法异步模式分析…27
5.3 粒子群算法的并行实现28
5.4 粒子群算法基于网络的异步并行模式实现29
5.5 程序分析30
结论 …37
致谢 …38
参考文献…39
附录A …40
附录B …44
1 绪论
1.1 最优化问题
1.1.1 最优化问题
所谓最优化问题,就是在满足一定的约束条件下,寻找一组参数值,来使得某些最有型度量得到满足,即是系统的某些性能指标达到最大值或最小值。最优化问题的应用遍布工业、社会、经济、管理等各个领域,其重要性显而易见。