【摘 要】
：
为解决粒子群优化算法中种群多样性与收敛性间的矛盾,提出一种具有重组学习和混合变异的动态多种群粒子群优化算法.该算法动态划分多种群并融入重构粒子作为引导因子,在增加种群多样性的同时保留优秀粒子的空间信息;在算法执行阶段对最优个体施加混合变异,基于时变概率实施反向学习策略或者邻域扰动操作,帮助粒子快速跳出局部困境,加强对附近区域内的精细搜索.基于14个多类型标准测试函数,并与其他的改进粒子群算法进行对比,验证了几种改进措施的有效性和叠加影响.为进一步探究概率性混合变异策略的敏感性,对变异方式及参数设置进行仿真
【机 构】
：
武汉科技大学汽车与交通工程学院,武汉430065;武汉理工大学物流工程学院,武汉430063
论文部分内容阅读
为解决粒子群优化算法中种群多样性与收敛性间的矛盾,提出一种具有重组学习和混合变异的动态多种群粒子群优化算法.该算法动态划分多种群并融入重构粒子作为引导因子,在增加种群多样性的同时保留优秀粒子的空间信息;在算法执行阶段对最优个体施加混合变异,基于时变概率实施反向学习策略或者邻域扰动操作,帮助粒子快速跳出局部困境,加强对附近区域内的精细搜索.基于14个多类型标准测试函数,并与其他的改进粒子群算法进行对比,验证了几种改进措施的有效性和叠加影响.为进一步探究概率性混合变异策略的敏感性,对变异方式及参数设置进行仿真实验,结果表明,所采用的极值扰动策略具有显著的优势,合理地控制学习强度可以充分发挥反向学习的作用,并给出影响参数的建议取值范围.实验结果还表明,所提出的算法能够更好地平衡种群的开发与勘探能力,提高求解精度和收敛性能.
其他文献
对不确定噪声方差乘性噪声,同时带观测缺失、丢包和一步随机观测滞后三种网络诱导特征的混合不确定网络化系统,应用带虚拟噪声的扩维方法和去随机参数方法,将其转化为带不确定虚拟噪声方差的时变系统.基于极大极小鲁棒估计原理,对带虚拟噪声方差保守上界的最坏情形系统,设计了鲁棒时变和稳态Kalman估值器.对所有容许的不确定性,保证实际Kalman估计误差方差有最小上界.应用扩展的Lyapunov方程方法和矩阵分解方法证明了所设计估值器的鲁棒性.证明了实际和保守估值器的精度关系,以及时变和稳态估值器间的按实现收敛性.应
受扰布尔控制网络的状态转移,因受未知干扰影响而具有不确定性,这对状态观测器设计带来了困难.本文主要研究了受扰布尔控制网络全局可重构性问题,并在此基础上设计状态观测器.首先,将受扰布尔控制模型转化为多个子系统的切换未知布尔控制网络模型,在此基础上,提出了受扰布尔控制网络的4种不同状态集.其次,基于状态集估计方法,对受扰布尔控制网络状态估计问题进行分析.再次,提出有限时间可重构与全局可重构性概念;同时
本文针对一阶非线性多自主体系统,考察了切换拓扑下的事件触发一致性控制问题.当切换拓扑子图的并图包含有向生成树时,基于一阶保持器提出了一种分布式事件触发一致性算法,用以降低网络的通信负载.运用迭代法和不等式法,得到了多自主体系统达到有界一致性的充分条件.此外,证明了所提事件触发机制不存在Zeno现象,并得到了触发间隔的正下界.最后,给出仿真实例,验证了所提事件触发一致性算法和理论分析结果的有效性.
针对现有的藻类水华分析存在忽略水体底物中的氮磷反馈机制对藻类生长过程影响以及缺乏对整体水域的全面分析的问题,本研究以富营养化状态和叶绿素a浓度作为藻类水华的表征指标,以遥感图像及水体中的总氮和总磷为主要研究对象,提出一种基于遥感图像3D–CNN及氮磷循环的水华形成过程分析新方法.首先通过3D–CNN对遥感图像进行特征提取,并采用细菌觅食算法优化网络结构,预测水体富营养化等级,在此基础上,根据"氮–
演化博弈论(EGT)基于有限理性假设且更加贴近现实,近年来已在众多领域得到了初步应用.基于此,本文关注一类较为常见的三方多策略式演化博弈系统,尝试通过理论分析总结其长期演化稳定均衡(ESE)特性,并进行仿真验证研究.首先,研究了一般情形下的三方两策略对称与非对称演化博弈系统;然后,将其扩展到更复杂的三方三策略非对称演化博弈类型,并对其长期ESE特性进行了理论分析与动态仿真验证;进一步,对通用三方n-策略(n>1)非对称演化博弈的建模思路进行了阐述与总结,给出其收敛迭代的计算方法.研究过程中详细定义了各类演
实际工程中存在各种多输入系统,比如用于大型雷达和火炮的多驱动伺服系统、多自由度机械臂系统等,针对这些系统的H∞控制研究具有重要意义.同时,近似动态规划方法已被广泛用于求解各类最优控制问题,但并未涉及多输入系统的H∞控制.本文应用近似动态规划方法,设计多输入非线性系统的H∞控制器.应用基于强化学习的神经网络在线逼近非线性Hamilton–Jacobi–Isaacs(HJI)方程的解,引进一种新的自适应律更新神经网络权值,然后直接用于H∞控制器的设计,并证明了权值的收敛性和系统的闭环稳定性,保证了多输入系统受
为无人机规划一条从起点出发到达指定目标点的航线是实现无人机各种应用的重要前提.飞行过程中,无人机应具备对于各种动态变化快速响应并重新规划航线的能力.针对多旋翼无人机在飞行过程中可能遇到的各种动态变化,研究其在离散城市环境下的在线航线规划问题.首先,建立离散环境模型,并基于此模型定义无人机飞行规则;随后,建立无人机航线规划模型,包括对航点的约束条件及航线规划的指标;其次,将各种动态变化按照其对无人机的不同影响进行分类,分为固定禁飞区、合作无人机、非合作无人机3类,并针对不同种类动态变化特点,分别提出重新规划
为解决实际海况下全驱动船舶的动力定位控制任务存在参数不确定、模型结构不确定和通信资源限制等问题,本文提出一种具有事件触发输入的鲁棒自适应动力定位控制算法.该算法采用径向基函数神经网络对系统模型不确定进行逼近,同时针对通信带宽受限问题,设计了一种具有事件触发机制的执行器输入,降低了控制器和执行器之间的信道占用.此外,该算法还解决了状态变量与执行器增益不确定性之间的强耦合问题,并且设计了在线更新的自适应参数去补偿执行器增益不确定,以确保船舶能够稳定执行动力定位任务.利用Lyapunov稳定性理论证明了闭环控制
永磁同步直线电机(permanent magnet linear synchronous motor,PMLSM)目前多被应用于直线牵引系统,例如轨道交通、无绳电梯等.传统的永磁同步直线电机预测控制主要考虑有限控制集模型预测控制(finite-control-set model predictive control,FCS–MPC),在一个系统采样周期从备选的开关状态中选择一个相对最优的开关状态送入逆变器中.该方法的计算量通常随着预测步长的增加呈几何增长,因而限制了其广泛使用.本文针对PMLSM提出一种基
乳腺癌具备易于复发性和高死亡率等特点,已成为女性癌症患者死亡的重要原因.乳腺癌的早期诊断可增加癌症治愈的可能性,因此,提高早期诊断的准确性尤为重要.传统的早期诊断主要依靠人类经验,通过分析临床或检查数据来判断乳腺癌,无法保证足够的准确性.许多研究人员提出了各种机器学习方法,以提高预测的准确性和效率.但现有的算法计算复杂性很高,并且难以从多种算法中直接确定最适合的算法.本文尝试了10种流行的分类算法,比较了它们之间的差异,并应用了量子支持向量机来加速计算过程.数值实验显示支持向量机和人工神经网络的预测效果最