粒子群优化算法综述-黄磊

粒子群优化算法综述作者：黄磊，HUANGLei作者单位：黄石理工学院,机电工程学院,湖北,黄石,435003刊名：机械工程与自动化英文刊名：MECHANICALENGINEERING&AUTOMATION年，卷(期)：2010，(5)被引用次数：0次参考文献(8条)1.KennedyJ.EberhartRCParticleswarmoptimization19952.ShiY.EberhartRCAmodifiedparticleswarm19983.EberhartRC.ShiYParticleswarmoptimizationdevelopments,applicationsandresources20014.AnelinePJUsingselectiontoimproveparticleswarmoptimization19985.SuganthanPNParticleswarmoptimizerwithneighborhoodoperator19986.KenndyJStereotypingimprovingparticleswarmperformancewithclusteranlysis20007.BerghFvandenAnanalysisofparticleswarmoptimizers20028.高鹰.谢胜利免疫粒子群优化算法2004(6)相似文献(10条)1.期刊论文邓显羽.彭勇.叶碎高.温进化.何斌.DENGXian-yu.PENGYong.YESui-gao.WENJin-hua.HEBin粒子群算法在水库(群)优化调度研究中的应用综述-水利水电科技进展2010,30(5)简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望.2.学位论文高浩粒子群算法及其在图像分割中的应用与研究2009粒子群优化算法源于鸟群和鱼群群体运动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它的主要特点是原理简单、参数少、收敛速度快，所需领域知识少。该算法的出现引起了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是理论分析还是实践应用都尚未成熟，有大量的问题值得研究。br　　本文从算法机理、算法改进和算法应用等方面对其进行了系统性的研究。此外，图像分割是图像分析和模式识别的首要问题，也是图像处理的经典难题之一。本文将微粒群算法和图像分割法相结合，提出了基于改进PSO算法的分割算法，在取得良好的分割效果的同时，运用算法的并行搜索机制显著的提高了分割速度。论文具体内容如下：br　　(1)对粒子群算法及其理论基础(优化方法和进化计算)进行了详细的综述。首先本文概述了优化方法的产生和发展，着重介绍了优化方法的基本思想、研究领域、应用发展情况；阐述了进化计算的产生、定义以及研究内容，并介绍了几种典型的进化计算方法，包括遗传算法、进化策略、微分进化等；最后介绍了粒子群优化算法，阐述了粒子群优化算法的起源，介绍了粒子群优化算法的初始版本和标准版本，从理论研究和应用研究的角度综述了粒子群优化研究的现状，总结了标准粒子群优化算法存在的问题。同时本文使用了蒙特卡罗方法对粒子的行为进行了研究，结果显示PSO算法在迭代后期具有搜索能力较弱的缺点，同时也给出了如何提高PSO算法收敛性的方法。此外，九个标准测试函数用来测试PSO算法和其他几种流行的进化计算方法的性能，结果验证了PSO有着其他进化算法无法比拟的快速收敛等特性。br　　(2)尽管PSO算法比其他算法对复杂函数有着较强的寻优能力以及收敛速度快等特点，但是它依然无法保证在搜索空间中找到全局最优点。因此在本文中引入了具有着更强全局搜索能力的QPSO算法来进行研究改进。但是由于QPSO同PSO算法一样的是，它也把粒子作为一个整体来进行更新，因此QPSO算法同样具有维数限制的缺点。通过把一个具有复杂高维的粒子分解为多个一维的子个体进行优化，使用协作方法的QPSO算法能够很好的克服这一缺点。八个测试函数以及应用于图像分割领域的最大类间方差法(OTSU方法)在本文中用来测试改进以后的QPSO算法的成绩。仿真结果表明，与其他算法比较来看，协作方法帮助QPSO算法获得更精确的解。它同样也克服了OTSU方法受维数束缚的缺陷。br　　(3)在分析了粒子群全局收敛能力的基础之上，针对粒子群算法局部收敛和搜索精度低的问题，提出了一种全局的基于Gaussian变异的粒子群算法(GGPSO).该算法结合了局部和全局变异因子使算法在全局和局部搜索能力中找到了一个很好的平衡，并证明了它能以概率1收敛到全局最优解。典型函数优化的仿真结果表明，该算法不仅可有效的避免标准PSO算法的早熟收敛，而且具有寻优能力强、搜索精度高、稳定性好等优点。同时针对图像信息处理中的图象分割这一难点问题，以Kapur算法为优化目标，验证了该算法克服了图象分割中寻优速度慢的缺点，与其他群体算法比较获得了更大的适应度函数值。因此，该算法更适合于图像分割以及相关的函数优化问题。br　　(4)在分析了粒子群收敛性的基础之上，针对粒子群(PSO)算法后期搜索能力下降的问题，提出了一种基于适度随机搜索策略的粒子群算法(IRPSO).该方法在提高粒子群算法收敛速度的前提下，有效的提高了粒子的全局搜索能力。另外，由于该方法只有一个控制参数和迭代公式，因此更为简单易实现。典型函数优化的仿真结果表明，该算法相对于比较算法来说获得了更好的性能。同时针对图像分割这一难点问题，以互信息熵差为优化目标，验证了该算法在比较算法中获得了更好的分割效果。br　　论文最后对所做工作进行了总结，并提出了进一步研究的方向。3.学位论文王楠楠粒子群算法及其应用研究2004粒子群优化算法(ParticleSwarmOptimization,简称PSO)是由Kennedy和Eberhart在1995年提出的一种基于群智能(SwarmIntelligence)的演化计算技术'[1],它是在鸟群、鱼群和人类社会的行为规律的启发下提出的.粒子群优化算法在函数优化、神经网络训练、模式分类、模糊系统控制以及其它工程领域都得到广泛地应用.本文综述了粒子群算法的基本思想和提出背景——群智能计算,详细介绍了基本粒子群算法及其各种改进算法.本文还着重介绍了粒子群算法在数据挖掘领域中的分类器设计和在供应链库存量预测中的应用.4.期刊论文赵辛欣.陈维荣.叶震.ZhaoXinxin.ChenWeirong.YeZhen粒子群算法在机组组合中的应用综述-四川电力技术2009,32(6)在深入探讨电力系统机组组合问题的数学模型和粒子群算法的基础上,加以分类总结,从粒子群算法和粒子群与其他算法结合两个方面,详细评述了粒子群算法在电力系统机组组合问题中的应用,并重点介绍了各种方法对约束的处理.5.学位论文熊磊粒子群算法在离散优化问题中的研究2006本文对粒子群算法在离散优化问题中进行了研究。文章在综述PSO算法及其发展过程的基础上，通过对现有文献的研究和分析提出了粒子间信息交流的策略和具有动态分工策略的改进粒子群算法。文章对PSO方法进入了深入的分析和比较，从改进算法结构角度提出了具有动态分工搜索策略的改进PSO算法。该算法将粒子群P划分成2类互不交叉具有不同分工的子群P1和P2并进行不同的搜索策略。6.学位论文江玮璠连锁经营配送中的车辆调度决策模型研究2006连锁经营是对传统流通的一次大革命，而连锁经营的生命力在于其配送的质量。配送是物流中一个重要的，直接与消费者相连的环节。配送在全部物流费用中占的比例最高，所以节约潜力很大。车辆调度问题是物流领域中一个重要的研究内容，本文对连锁经营这一新的业态进行了研究。如何提高配送的质量和车辆的装载率是本文研究的内容。通过综述分析连锁经营企业及其物流配送，引出连锁经营企业的车辆调度问题，并对其中重要的问题——车辆路径问题的国内外研究现状进行了综述。本文把正向的配送和反向的集货(或者回收)综合起来考虑，提出了新的车辆路径问题的数学模型，并提供了求解该问题的一种方法——粒子群算法。最后在对连锁经营企业车辆调度的作业流程分析的基础上，针对连锁经营企业的特点，构建了车辆调度决策系统。通过对系统模块的库存控制、需求管理和配送等组件的分析，给出了系统设计的思路，并对系统评价的指标进行了简单介绍。7.学位论文王存睿粒子群算法及其在数据挖掘中的应用研究2005粒子群优化算法(ParticleSwarmoptimization)是由Kennedy和Eberhart在1995年提出的一种基于群智能(SwarmIntelligence)的演化计算技术，是在鸟群、鱼群和人类社会行为规律的启发下提出的.本文综述了粒子群算法的基本思想和提出背景——群智能计算，详细介绍了基本粒子群算法及其各种改进算法.本文还着重介绍了粒子群算法在数据挖掘领域的应用，特别是在分类规则挖掘和聚类两方面的应用.本文的主要研究重点包括两个方面：(1)利用粒子群算法思想提出了中值粒子群算法和基于PSO混合演化算法；(2)本文将粒子群算法应用于数据挖掘领域，并提出一种基于粒子群算法的分类器设计方案.中值粒子群算法是一种基于信息量角度改进的基本粒子群优化算法.基本粒子群算法易陷入局部最优，新算法使粒子可以利用更多其它粒子的有用信息，即通过个体平均极值位置来平衡算法搜索效率和精度之间的矛盾，并改变了粒子的行为方式.实验结果表明，中值基本粒子群算法在收敛精度和收敛的稳定性等方面均优于基本粒子群算法；基于粒子群思想的演化计算是将粒子群的思想与演化计算的灵活的编码方式相结合而提出的一种优化算法.使得粒子群算法可以高效解决组合优化问题，本文用优化实例将本文提出的算法与遗传算法相比较，实验结果表明，本算法在收敛速度和精确程度上都优于传统的遗传算法，同时也扩展粒子群算法的应用范围.数据分类是数据挖掘的一项基本技术，研究各种高效、实用的数据分类算法是数据挖掘面临的主要问题之一.本文将粒子群算法应用于数据分类，给出了适用于粒子群算法的分类规则编码，构造了新的分类规则适应度函数来更准确的提取规则集，并通过修改粒子位置更新方程使粒子群算法适于解决分类规则挖掘问题，进而实现了基于粒子群算法的分类器设计.进一步用UCI基准数据集对作者提出的粒子群分类器进行了测试，并将基于粒子群算法分类器与遗传算法分类器进行对比，实验结果表明，本文提出的粒子群分类器是一种有效、可行的分类器设计方案.8.学位论文刘关俊基于粒子群算法的移动机器人路径规划研究2007粒子群优化算法是一种进化计算技术，同遗传算法类似，也是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值，粒子在解空间追随最优的粒子进行搜索。目前己广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。显示出粒子群算法在求解复杂问题方面的优越性。文中详细阐述了粒子群算法的产生和发展历程，介绍了粒子群算法的生物学机理、拓扑结构，以及标准粒子群算法。针对标准粒子群算法的一些缺点，列举了一些典型的粒子群算法的改进算法，并对其在各个领域中的应用做了简要的叙述。同时综述了机器人的起源与发展历程，展望了未来机器人的发展方向——智能机器人。智能机器人中最重要的一个研究课题是移动机器人的路径规划，在文中详细地说明了移动机器人路径规划的一般概念、特点、分类及其进行路径规划的一些基本问题以及几种常见的路径规划方法。本文结合移动机器人路径规划的特点，提出了基于粒子群算法的移动机器人全局最优路径规划方法。文中，我们对标准粒子群算法进行了改进，在线性改变惯性权重的同时，将一些无效的粒子重新初始化为有效的随机粒子，这样做有助于扩大搜索范围，防止算法陷入局部最优解。基于粒子群算法的移动机器人全局最优路径规划方法分为二步