本文選題：粒子群算法　切入點(diǎn)：不確定　出處：《科學(xué)技術(shù)與工程》2017年15期

【摘要】：當(dāng)前不確定動(dòng)態(tài)多目標(biāo)優(yōu)化方法通常將多目標(biāo)問(wèn)題轉(zhuǎn)換成單目標(biāo)問(wèn)題,將其他目標(biāo)看作約束條件,僅可得到單個(gè)解,無(wú)法有效體現(xiàn)不確定多目標(biāo)之間的關(guān)系,導(dǎo)致得到的解質(zhì)量低。為此,提出一種新的基于粒子群算法的不確定動(dòng)態(tài)多目標(biāo)優(yōu)化方法,給出不確定動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題的數(shù)學(xué)描述,介紹了粒子群算法,針對(duì)粒子群算法容易陷入局部最優(yōu)的弊端,引入動(dòng)態(tài)變異算子對(duì)其進(jìn)行改進(jìn),通過(guò)改進(jìn)的位置更新公式實(shí)現(xiàn)粒子群算法位置的自適應(yīng)更新,給出解決不確定多目標(biāo)優(yōu)化問(wèn)題的詳細(xì)過(guò)程,在此基礎(chǔ)上,通過(guò)分段線性函數(shù)參數(shù)化實(shí)現(xiàn)不確定動(dòng)態(tài)多目標(biāo)優(yōu)化。實(shí)驗(yàn)結(jié)果表明,所提方法搜索能力強(qiáng),采用所提方法得到的解與真實(shí)解最相近,質(zhì)量最高。
[Abstract]:At present, the uncertain dynamic multi-objective optimization method usually transforms the multi-objective problem into a single-objective problem. The other targets are regarded as constraints, and only a single solution can be obtained, which can not effectively reflect the relationship between the uncertain multi-objective. Therefore, a new uncertain dynamic multi-objective optimization method based on particle swarm optimization is proposed. The mathematical description of the uncertain dynamic multi-objective optimization problem is given, and the particle swarm optimization algorithm is introduced. In order to solve the problem that particle swarm optimization (PSO) is easy to fall into local optimum, dynamic mutation operator is introduced to improve PSO, and the adaptive updating of PSO's position is realized by the improved location updating formula. The detailed process of solving the uncertain multi-objective optimization problem is given. On the basis of this, the uncertain dynamic multi-objective optimization is realized by piecewise linear function parameterization. The experimental results show that the proposed method has strong searching ability. The solution obtained by the proposed method is most close to the real solution and has the highest quality.
【作者單位】： 中原工學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51475290、51075261) 2015年度河南省軟科學(xué)研究計(jì)劃項(xiàng)目(152400410598)資助
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭明山;劉秉瀚;;一種改進(jìn)的混沌粒子群算法[J];福建電腦;2008年02期

2 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

3 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

4 張?zhí)├?劉春生;;基于改進(jìn)粒子群算法的控制分配研究與應(yīng)用[J];伺服控制;2012年06期

5 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進(jìn)研究[J];硅谷;2014年05期

6 焦國(guó)輝;;一種改進(jìn)的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2014年14期

7 王晟;潘郁;;個(gè)體激勵(lì)粒子群算法及其社會(huì)學(xué)背景分析[J];計(jì)算機(jī)工程;2008年21期

8 彭志平;張慧;;一種改進(jìn)的粒子群算法在協(xié)商優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程;2008年10期

9 沈佳寧;須文波;孫俊;;基于量子粒子群算法的收斂性研究[J];微計(jì)算機(jī)信息;2009年06期

10 唐小勇;于飛;潘洪悅;;改進(jìn)粒子群算法的潛器導(dǎo)航規(guī)劃[J];智能系統(tǒng)學(xué)報(bào);2010年05期

相關(guān)會(huì)議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

2 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

3 黃勝;任萬(wàn)龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第十二屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集（上冊(cè)）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費(fèi)用拆分方法研究[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

6 趙亮;;遺傳增強(qiáng)混沌粒子群算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 楊誠(chéng);楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場(chǎng)下基于改進(jìn)粒子群算法的AGC機(jī)組選擇[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動(dòng)的混合粒子群算法及其應(yīng)用[A];第十屆中國(guó)不確定系統(tǒng)年會(huì)、第十四屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問(wèn)題的研究[D];東南大學(xué);2016年

2 尹浩;求解Web服務(wù)選取問(wèn)題的粒子群算法研究[D];東北大學(xué);2014年

3 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

4 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

5 張靜;基于混合離散粒子群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D];浙江工業(yè)大學(xué);2014年

6 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

7 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

8 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

9 王雪飛;粒子群算法的動(dòng)態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

10 薛堯予;群能量守恒粒子群算法及其在發(fā)酵過(guò)程控制中的應(yīng)用研究[D];北京化工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

2 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

3 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

4 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

5 楊偉;基于粒子群算法的氧樂(lè)果合成過(guò)程建模研究[D];鄭州大學(xué);2015年

6 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

7 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

8 仲偉彪;改進(jìn)粒子群算法的研究及其云計(jì)算資源調(diào)度的應(yīng)用[D];江西理工大學(xué);2015年

9 艾東;基于粒子群算法的雙重目標(biāo)設(shè)施布置優(yōu)化[D];西安建筑科技大學(xué);2015年

10 劉召軍;解優(yōu)化問(wèn)題的混合粒子群算法[D];陜西師范大學(xué);2015年

，

本文編號(hào)：1699789