<tbody id="5lyhc"></tbody>
<dd id="5lyhc"><track id="5lyhc"></track></dd>

  • <button id="5lyhc"><acronym id="5lyhc"></acronym></button>

    <rp id="5lyhc"></rp>
    收藏本站
    《江苏大学》 2019年
    收藏 | 手机打开
    二维码
    手机客户端打开本文

    基于混沌优化的多种群粒子群优化算法的研究及其应用

    李佳玲  
    【摘要】:多种群粒子群优化算法(Multi-swarm particle swarm optimization,MPSO)将种群划分成若干个子群,子群内的各个粒子既独立寻优,又通过共享信息而协同搜索,是一种局部搜索与全局搜索相融合的优化算法。然而,它跟基本粒子群优化算法(PSO)相同,在搜索过程中速度越来越小,粒子可能会慢慢停滞,出现过早地收敛,最终陷入局部最优的状况。作为一种非线性现象,混沌本身具有一定规律性,遍历性以及随机性等特点。混沌优化借助混沌搜索的优点,能够在小范围内进行高效地遍历,比传统的随机搜索算法更具优越性。因此,本文把混沌优化引入多种群粒子群优化算法进行研究,并将提出的两种混合算法分别应用于解决复杂的函数优化以及基因表达谱数据的基因选择问题。本文的主要工作如下:(1)提出了一种基于一维混沌优化和排序交流的多种群粒子群优化算法(HMPSO-OCS)求解单目标连续函数的优化问题。首先为了能够加强子群之间的信息交流,提高算法的全局搜索能力,设计了一种基于排序的子群交流机制,旨在更新各个子群的最差个体。即先对子群中的个体进行排序,再对子群进行排序,使得每个子群中的最差个体都有机会向排名靠前的子群中的最优个体进行学习,从中获取有用的信息并进行更新。另外,为了加强算法的局部搜索能力,周期性地使用一维混沌优化对子群中的全局最优个体进行寻优。实验结果表明,相比于传统的PSO及其改进版本算法以及MPSO算法,HMPSO-OCS算法的搜索性能更好,在八个基准测试函数上取得了更好的寻优结果。(2)提出了一种基于混沌优化和外部队列的改进二进制多种群粒子群优化算法(HMBPSO-EA),用于选择基因表达谱数据中的特征基因。借助混沌优化的遍历性等特点,HMBPSO-EA使用混沌优化更新粒子的惯性权重,以协调粒子的全局与局部搜索性能。同时,为使各个子群中的信息得到充分利用并协助种群进化,设计了一个外部队列,存储每个子群的有用信息便于子群之间交流与分享。其中,每个子群中的全局最优粒子作为当前子群的最优个体,提供该子群的较优信息存储于外部队列中。周期性地从外部队列中抽取信息协助子群,可以让子群更为高效地寻优。最后,将HMBPSO-EA应用于基因选择问题,选取基因表达谱数据中的关键特征基因,以辅助癌症诊断。实验结果表明,在六个常用的基因表达谱数据集中,相比于基于MBPSO以及BPSO的传统基因选择方法,基于HMBPSO-EA的基因选择方法能够找到具有更高分类性能和具有一定解释性的基因子集。
    【学位授予单位】:江苏大学
    【学位级别】:硕士
    【学位授予年份】:2019
    【分类号】:TP18;O415.5

    【参考文献】
    中国期刊全文数据库 前10条
    1 杨春;韩飞;;一种基于先验信息BPSO的基因选择方法[J];软件导刊;2015年07期
    2 唐贵基;王晓龙;;参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J];西安交通大学学报;2015年05期
    3 刘爱军;杨育;李斐;邢青松;陆惠;张煜东;;混沌模拟退火粒子群优化算法研究及应用[J];浙江大学学报(工学版);2013年10期
    4 刘衍民;隋常玲;赵庆祯;;基于K-均值聚类的动态多种群粒子群算法及其应用[J];控制与决策;2011年07期
    5 高雷阜;刘旭旺;;基于混沌的弹性粒子群全局优化算法[J];控制与决策;2009年10期
    6 高尚;杨静宇;;混沌粒子群优化算法研究[J];模式识别与人工智能;2006年02期
    7 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期
    8 李颖新,阮晓钢;基于支持向量机的肿瘤分类特征基因选取[J];计算机研究与发展;2005年10期
    9 李爱国;多粒子群协同优化算法[J];复旦学报(自然科学版);2004年05期
    10 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期
    【共引文献】
    中国期刊全文数据库 前10条
    1 张晓庆;宫会丽;郭乙运;张蕾;;改进型混沌PSO算法及其在VRP中的研究[J];计算机与数字工程;2015年12期
    2 董凯;;中等城市跨江通道布局研究[J];交通科技;2015年06期
    3 孟洋;姚兆俊;;基于变异算子的细菌觅食优化算法研究[J];信息技术;2015年11期
    4 熊军华;吴莉莉;沈海莲;邱阳;赵吉普;牛珂;张春歌;;求解自动化药房路径优化的混沌粒子群算法[J];科技视界;2015年32期
    5 哈立原;张岩;白凤伟;;利用相关系数矩阵M构建SCT算法研究[J];内蒙古师范大学学报(自然科学汉文版);2015年06期
    6 李安庆;方国涛;高振楠;丁业兵;;基于点的代数连通强度与PCA的肿瘤分类研究[J];赤峰学院学报(自然科学版);2015年21期
    7 张书琴;夏洪山;姜雨;战绪仁;;用于跑道调度的约束多目标遗传模拟退火算法[J];华南理工大学学报(自然科学版);2015年10期
    8 王春枝;张会丽;叶志伟;;基于混沌粒子群算法和小波SVM的P2P流量识别方法[J];计算机科学;2015年10期
    9 崔东文;;异构多种群粒子群优化算法在水位流量关系拟合中的应用[J];水利水运工程学报;2015年05期
    10 徐言民;杨柯;关宏旭;刘强;王岩;;基于SAPSO算法的群桥水域航路规划[J];中国航海;2015年03期
    【二级参考文献】
    中国期刊全文数据库 前10条
    1 王宏超;陈进;董广明;;基于最小熵解卷积与稀疏分解的滚动轴承微弱故障特征提取[J];机械工程学报;2013年01期
    2 冯辅周;司爱威;饶国强;江鹏程;;基于小波相关排列熵的轴承早期故障诊断技术[J];机械工程学报;2012年13期
    3 梅检民;肖云魁;贾继德;赵慧敏;陈祥龙;乔龙;;基于改进阶比的变速器微弱故障特征提取[J];振动工程学报;2012年03期
    4 刘志雄;梁华;;粒子群算法中随机数参数的设置与实验分析[J];控制理论与应用;2010年11期
    5 白俊杰;王宁生;唐敦兵;;一种求解多目标柔性作业车间调度的改进粒子群算法[J];南京航空航天大学学报;2010年04期
    6 王万良;周明;徐新黎;介婧;;基于改进粒子群算法的离子膜车间调度问题研究[J];控制与决策;2010年07期
    7 刘衍民;赵庆祯;隋常玲;邵增珍;;一种基于动态邻居和变异因子的粒子群算法[J];控制与决策;2010年07期
    8 张家柏;王小玲;;基于聚类和二进制PSO的特征选择[J];计算机技术与发展;2010年06期
    9 卢青波;张学良;温淑花;武美先;兰国生;刘丽琴;;差异演化算法改进与应用[J];农业机械学报;2010年02期
    10 蒋永华;汤宝平;刘文艺;董绍江;;基于参数优化Morlet小波变换的故障特征提取方法[J];仪器仪表学报;2010年01期
    【相似文献】
    中国期刊全文数据库 前10条
    1 甄文冬;陈进;张莉莉;;基于改进粒子群优化-反向传播神经网络的制造业产能预测[J];机械制造;2019年03期
    2 乔楠楠;尤佳莉;;一种面向网络边缘任务调度问题的多方向粒子群优化算法[J];计算机应用与软件;2017年04期
    3 郭卫东;孙延坤;张海斌;;基于粒子群优化的组播路由算法研究[J];信息与电脑(理论版);2017年10期
    4 张俊溪;张嘉桐;张玉梅;;一种改进的粒子群优化算法[J];陕西师范大学学报(自然科学版);2016年02期
    5 高苇;平环;张成刚;姜静清;;改进惯性权重的简化粒子群优化算法[J];湖北民族学院学报(自然科学版);2016年01期
    6 梁望;高媛;刘小利;;粒子群优化算法基本研究[J];科技经济导刊;2016年21期
    7 马晓峰;;基于粒子群优化算法的器件模型表面势求解[J];计算机时代;2015年03期
    8 吕莉;赵嘉;孙辉;;具有反向学习和自适应逃逸功能的粒子群优化算法[J];计算机应用;2015年05期
    9 赵嘉;付平;李崇侠;吕莉;;基于不同学习模型的精英反向粒子群优化算法[J];小型微型计算机系统;2015年06期
    10 豆增发;;一种基于翻转角度的二进制粒子群优化算法[J];科技视界;2014年06期
    中国重要会议论文全文数据库 前10条
    1 沈希;黄振迪;黄跃进;;基于遗传策略的粒子群优化算法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
    2 孙向军;赵斯强;严宗睿;;基于粒子群优化的反潜搜索研究[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
    3 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
    4 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
    5 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
    6 刘钊;;基于粒子群优化算法的足球机器人动作选择研究[A];2004中国机器人足球比赛暨学术研讨会论文集[C];2004年
    7 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
    8 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
    9 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
    10 司维超;韩维;史玮韦;颜刚;;一种基于蜜蜂多群体觅食的粒子群优化算法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
    中国博士学位论文全文数据库 前10条
    1 张凯;粒子群优化算法研究及其在液压控制系统中的应用[D];东北大学;2017年
    2 李浩君;基于粒子群优化算法的在线学习资源序列化服务研究[D];浙江工业大学;2018年
    3 易云飞;基于伊藤随机过程的粒子群优化算法及其应用研究[D];武汉大学;2015年
    4 郑波;基于粒子群优化算法的航空发动机故障诊断与性能参数预测研究[D];电子科技大学;2018年
    5 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
    6 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年
    7 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
    8 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
    9 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年
    10 莫愿斌;粒子群优化算法的扩展与应用[D];浙江大学;2006年
    中国硕士学位论文全文数据库 前10条
    1 杨勇;基于粒子群优化策略的核极限学习机及其应用研究[D];兰州大学;2019年
    2 杨康;基于迁移学习的粒子群优化算法研究及应用[D];中国矿业大学;2019年
    3 李佳玲;基于混沌优化的多种群粒子群优化算法的研究及其应用[D];江苏大学;2019年
    4 汪博文;自适应正态扰动的精英粒子群优化算法研究[D];华中师范大学;2017年
    5 巢秀琴;改进的粒子群优化算法在特征选择中的应用研究[D];安徽大学;2019年
    6 张永哲;多目标粒子群优化算法的改进策略研究[D];中国石油大学(华东);2017年
    7 于李婷;基于粒子群优化算法的智能交通系统模糊控制器设计[D];辽宁工业大学;2019年
    8 赵毅;粒子群优化算法的改进和应用研究[D];沈阳工业大学;2019年
    9 李鹏毅;改进的粒子群优化算法在神经网络中的应用[D];兰州大学;2019年
    10 陈军;框架结构损伤识别的小波—粒子群优化算法研究[D];长沙理工大学;2017年
    中国知网广告投放
     快捷付款方式  订购知网充值卡  订购热线  帮助中心
    • 400-819-9993
    • 010-62791813
    • 010-62985026


    福利黄片