22831.新型粒子群優(yōu)化算法及其應(yīng)用研究

1、華東理工大學(xué)碩士學(xué)位論文第1頁新型粒子群優(yōu)化算法及其應(yīng)用研究摘要粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)是在Kennedy和Eberhart源于鳥群捕食行為的研究而提出的一種群智能優(yōu)化算法，是進化計算領(lǐng)域中一個新的分支。它具有簡單的原理、極少的參數(shù)、較快的收斂速度和極易實現(xiàn)等特點。所以，該算法被提出之后，就受到國內(nèi)外學(xué)者的廣泛關(guān)注，很快成為了研究熱點。目前，粒子群優(yōu)化算法主要應(yīng)用在神經(jīng)網(wǎng)絡(luò)訓(xùn)練、函數(shù)優(yōu)

2、化、多目標(biāo)優(yōu)化等領(lǐng)域，并且在這些領(lǐng)域取得了極好的效果和廣闊的應(yīng)用前景。目前，粒子群優(yōu)優(yōu)化算法的研究主要集中在兩個方面：算法自身的研究和算法的應(yīng)用。本文從以下兩個方面展開了研究。一方面，論文提出了一種新型粒子群優(yōu)化算法一基于蝗蟲集群生物行為特性的蝗蟲進化算法(LBPSO)。LBPSO算法通過模仿蝗蟲的生物學(xué)行為，提出了一種自適應(yīng)的進化機制。作為一種類多種群的粒子群優(yōu)化算法，LBPSO算法通過不斷地自適應(yīng)調(diào)節(jié)種群的數(shù)量，避免了許多多種群初始

3、設(shè)置種群的盲目性。LBPSO算法的這種類多種群性，不僅保持了種群的多樣性，并且增強了粒子的全局搜索能力。最后，Benchmark測試函數(shù)實驗仿真表明LBPSO算法在優(yōu)化效果、收斂速率、不同優(yōu)化問題的適應(yīng)性方面都有較明顯的優(yōu)勢。另一方面，將LBPSO算法應(yīng)用于無線傳感器網(wǎng)絡(luò)(WirelessSensorNetwork，WSN)的動態(tài)覆蓋優(yōu)化問題中。該部分研究了在感知半徑可變的能量消耗約束下，使得無線傳感器網(wǎng)絡(luò)覆蓋率達到最大化。首先將網(wǎng)絡(luò)能