基于群體智能行為啟發(fā)的智能優(yōu)化算法模擬了生物群體的覓食等行為,而基于物理學原理啟發(fā)的智能優(yōu)化算法模擬了物理系統(tǒng)的客觀規(guī)律。為豐富群體智能方法,本文以基于物理學啟發(fā)的優(yōu)化算法為研究對象,針對目前很多算法只采用單一運動規(guī)則,不能有效平衡全局搜索能力和局部搜索能力的問題,提出基于多種物態(tài)的物理學優(yōu)化算法。首先,構造了物理系統(tǒng)與優(yōu)化算法之間的映射關系,提出基于多種物態(tài)的物理學優(yōu)化算法的基本框架,為優(yōu)化算法中粒子構造了屬性集、運動規(guī)則和物態(tài)之間轉(zhuǎn)換的條件,并針對基本框架提出基于多種物態(tài)的物理學優(yōu)化算法。為了驗證該算法的有效性,與標準APO算法和擴展的APO算法進行比較,實驗表明了該算法的有效性。其次,為了更加合理地模擬物理系統(tǒng)中物質(zhì)狀態(tài)轉(zhuǎn)化的過程,提高算法的精度,引入環(huán)境指標和新的物態(tài),為新物態(tài)構造合適的運動規(guī)則和物態(tài)轉(zhuǎn)化條件的同時,提出三種針對不同環(huán)境指標和不同物態(tài)的算法流程。通過實驗對比分析,表明這三種算法的精度都得到了一定的提高。同時用該算法優(yōu)化PID控制器的參數(shù)整定,實驗表明算法的有效性和合理性。最后,以粘彈性懸架阻尼層合結(jié)構的性能優(yōu)化模型為研究對象,利用基于環(huán)境指標的多物態(tài)物理學優(yōu)化算... 

【文章來源】：太原科技大學山西省

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

物理系統(tǒng)與優(yōu)化算法的映射關系

第二章 多物態(tài)物理學優(yōu)化算法子的，則會被劃分為液態(tài)個體，這類個體的適應值屬流動性和“避障”特點，選擇偏向于單點運動的運動規(guī)學算法基本框架算法的基本框架主要包括三個部分：初始化種群，個化種群后，按一定的劃分標準劃分不同的物態(tài)，并為則，之后個體按不同的運動規(guī)則更新速度和位置，計體的狀態(tài)或環(huán)境等因素，判斷某些個體的物態(tài)是否需轉(zhuǎn)化，并按相應的運動規(guī)則進行運動，直至程序結(jié)束

17圖 2.3 MSAPO1 算法流程圖Fig.2.3 The flow chart of MSAPO1二）MSAPO2 算法描述另一種多物態(tài)物理學算法是以 2.2.2 節(jié)中方法二和方法三作為物態(tài)劃分的標準，態(tài)劃分為固態(tài)、液態(tài)、氣態(tài)和非晶態(tài)四種物態(tài)，并以第二種和第一種物態(tài)轉(zhuǎn)換方法合的辦法，為算法中粒子進行物態(tài)劃分。在此算法中，首先劃分氣態(tài)個體，粒子根s 的大小排序，小于臨界值時作為氣態(tài)個體按照規(guī)則三運動，大于臨界值時其他個其他個體中選取較好的一部分作為固態(tài)集合的中心個體，然后判斷該中心點的鄰域內(nèi)是否包含其他粒子，若包含其他粒子則作為固態(tài)集合按照規(guī)則一運動，若不包含粒子則作為非晶態(tài)個體按照規(guī)則一運動，剩余粒子則作為液態(tài)個體按照規(guī)則二運動

【參考文獻】：
期刊論文
[1]基于互聯(lián)網(wǎng)群體智能的軟件開發(fā):可行性、現(xiàn)狀與挑戰(zhàn)[J]. 張偉,梅宏.  中國科學:信息科學. 2017(12)
[2]應用改進的BB-BC算法的分布式光伏并網(wǎng)接納能力計算方法[J]. 劉少鵬,羅鳳章,王成山,李靜,孫強,王哲.  電力系統(tǒng)及其自動化學報. 2017(11)
[3]基于逐層演化的群體智能算法優(yōu)化[J]. 張水平,王碧,陳陽.  工程科學學報. 2017(03)
[4]一種融合信息熵的個人網(wǎng)絡主題圈子發(fā)現(xiàn)算法[J]. 唐興,權義寧,董澤,苗啟廣.  西安電子科技大學學報. 2017(03)
[5]改進擬態(tài)物理學算法在交直流系統(tǒng)無功優(yōu)化中的應用[J]. 李盛興,羅滇生,李一泉,黃根,杜乾.  電力系統(tǒng)保護與控制. 2016(18)
[6]基于相對分類信息熵的進化特征選擇算法[J]. 翟俊海,劉博,張素芳.  模式識別與人工智能. 2016(08)
[7]模擬退火算法改進綜述及參數(shù)探究[J]. 盧宇婷,林禹攸,彭喬姿,王穎喆.  大學數(shù)學. 2015(06)
[8]基于信息熵的混合引力搜索算法[J]. 郭潔皓,高興寶.  計算機應用研究. 2016(05)
[9]基于信息熵的協(xié)同過濾算法[J]. 張佳,林耀進,林夢雷,劉景華,李慧宗.  山東大學學報(工學版). 2016(02)
[10]低溫等離子體輔助燃燒的研究進展、關鍵問題及展望[J]. 李平,穆海寶,喻琳,姚聰偉,許桂敏,張冠軍.  高電壓技術. 2015(06)

碩士論文
[1]智能優(yōu)化算法在過程控制中的應用[D]. 蘇奇新.北京化工大學 2017
[2]多規(guī)則擬態(tài)物理學優(yōu)化算法[D]. 夏季.太原科技大學 2016
[3]基于種群多樣性的自適應變異粒子群算法及應用[D]. 曾嘉俊.西南交通大學 2012
[4]基于信息熵的加權蟻群算法的研究與應用[D]. 王茴茴.昆明理工大學 2012
[5]基于約束保持法的矢量擬態(tài)物理學約束優(yōu)化算法研究[D]. 張斐.太原科技大學 2011
[6]基于可行性規(guī)則的擬態(tài)物理學約束優(yōu)化算法研究[D]. 尹健.太原科技大學 2011



本文編號：3258061