基于聚类分析的微粒群算法研究

来源 :太原科技大学 | 被引量 : 0次 | 上传用户:DeadManWalk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
群体智能算法作为一种新兴的智能计算技术已成为越来越多研究者关注的焦点。群体智能的概念源于对蜜蜂、蚂蚁、大雁等这类群居生物群体行为的观察和研究,通常将这样一种模拟群居性生物中的集体智能行为的智能计算方法称为群体智能算法。微粒群算法(简称PSO)是一种新型的群体智能算法,由Kennedy和Eberhart于1995年共同提出,它模拟了鸟群在空中飞行、觅食和栖息等活动。自微粒群算法提出以来,由于它概念简单、实现容易、执行速度快等优点,已广泛应用于函数优化、神经网络训练、模糊系统控制、模式识别、信号处理以及机器人技术等领域,成为目前进化计算研究的一个新热点。 本文在对基本微粒群算法进行分析的基础上,针对微粒群算法中的早熟收敛问题,提出了一种能够保证种群多样性的微粒群算法--基于聚类分析的微粒群算法(简称CPSO)。该算法运用聚类分析方法,将算法中的微粒进行分类,根据微粒的聚类程度判断种群多样性,然后当种群多样性较差时,运用最小-最大标准化混沌序列和随机产生两种逃逸策略有选择性地对部分微粒进行逃逸,来增加种群的多样性。CPSO使陷入局部最优位置的发生停滞的微粒能够及时跳出局部最优,进入解空间的其它区域进行搜索,增大了微粒种群的多样性,克服了PSO的早熟收敛问题,大大增强了PSO的全局搜索能力。并从理论上证明了CPSO能够依概率收敛于全局最优解。最后以典型的测试优化函数进行了仿真实验,验证了CPSO的有效性。然后,将上述思想应用于随机微粒群算法,给出了一种基于聚类分析的随机微粒群算法(简称CSPSO)。CSPSO保证了种群的多样性,使微粒能够有效的进行全局搜索。并通过理论证明了它依概率收敛于全局最优解。最后通过几个典型的复杂测试优化函数进行了仿真实验,验证了CSPSO不仅能够保证全局收敛,而且在收敛速度上也得到了很大的提高。
其他文献
近些年来,计算机图像的检测和分割在图像处理中起着越来越重要的作用。由于物体形状的多样性以及图像质量的不同,传统的图像检测和分割方法,如边缘检测、阈值方法等,用来提取
随着计算机软、硬件水平的不断发展,人们对地形的真实性要求也就越来越高。具有真实感的三维地形在飞行模拟训练、军事中战场模拟、气象预报、地理数据分析等领域有着非常广泛
色彩管理是实现色彩跨设备及跨平台复现的重要方法。一直以来色彩的高保真传输和复现是色彩管理人员的研究课题和追求目标。不同的设备有着各自不同的设备特性。而且,即便是同一种设备,使用时间长短不一样,使用的耗材不一样,其显色特性都是不一样的。这样就造成原来完全相同的色彩在不同的设备上会给人眼产生完全不同的色彩感觉。色彩管理的最终目的,是为了保证色彩能在不同的设备之间准确的传输和复现,希望确保相同的色彩在不
随着计算机和网络通信技术的发展,IPTV即交互式网络电视在近几年来成长迅速,日益成为宽带多媒体领域的热点。电子节目指南(Electronic Program Guide,EPG)是构成交互式网络电
数据库系统是为适应数据处理的需要而发展起来的一种理想的数据处理的核心技术,它的出现是计算机应用的一个里程牌,使得计算机应用从以科学计算为主转向以数据处理为主。随着
查询包含问题是查询优化的基本算法问题。在数据库理论方面,约束关系模型的不等式合取查询包含问题已经得到解决。然而,由于数据库理论与实际的数据库系统存在较大差异,十多
定理证明器是用于证明数学定理的正确性的计算机程序。进几十年来,对计算机硬件、软件形式化验证等日益增长的需求使得大量形式化工具涌现出来。定理证明器是一种重要的形式
搜索引擎是人们获取海量网络信息的首要工具,是网络研究和应用的关键内容。目前随着Internet信息的爆炸增长以及信息多元化的发展,主题搜索引擎正成为研究热点与发展趋势。本文
近年来,Internet上流媒体的应用得到了迅猛发展,然而流媒体的传输速率却并不理想,主要原因是传统的客户端/服务器模式很容易导致服务器端的性能瓶颈和网络资源浪费,从而不能
在汽车制造行业中,车体外表面的外观是衡量一个车身质量和美观的重要标准。工业界对汽车外表质量检测要求越来越高,但是目前并没有很好的方法对其进行自动化检测和分类,大多