群體智能優(yōu)化的計(jì)算模式和方法研究與應(yīng)用.pdf

1、本文在給出群體智能優(yōu)化的總體模式和框架模型的基礎(chǔ)上，結(jié)合粒子群算法和蟻群算法的基本原理和算法流程，描述了兩種優(yōu)化算法的形式化模型。其中包括模式化描述需要的定義、模式化算法結(jié)構(gòu)、模式化算法偽方程和模式化算法框圖。
　　 提出了對(duì)基本粒子群算法的改進(jìn)方案，加入了動(dòng)態(tài)變量區(qū)間和重新啟動(dòng)策略，并用改進(jìn)后的算法對(duì)典型函數(shù)尋優(yōu)?；谏窠?jīng)網(wǎng)絡(luò)對(duì)熱工系統(tǒng)復(fù)雜對(duì)象進(jìn)行系統(tǒng)辨識(shí)，利用改進(jìn)粒子群算法優(yōu)化其最佳延遲時(shí)間，提高了辨識(shí)精度和辨識(shí)效率。在熱工

2、系統(tǒng)的主蒸汽溫度控制系統(tǒng)中應(yīng)用模糊控制和PID相結(jié)合的雙?？刂疲酶倪M(jìn)的粒子群算法優(yōu)化控制器參數(shù)，保證系統(tǒng)無靜態(tài)誤差的同時(shí)，縮短了調(diào)節(jié)時(shí)間、降低了超調(diào)量，提高了系統(tǒng)的魯棒性和抗干擾性。
　　 給出了兩種連續(xù)蟻群算法的模型，并分別應(yīng)用到熱工控制系統(tǒng)PID控制器參數(shù)優(yōu)化和電力系統(tǒng)的經(jīng)濟(jì)負(fù)荷分配中。兩種模型對(duì)應(yīng)兩種連續(xù)蟻群優(yōu)化空間的分配方案，同時(shí)針對(duì)基本蟻群算法中經(jīng)常遇到的收斂速度慢、收斂率低等缺陷，模型中加入了局部搜索以及變尺度混

3、沌搜索等機(jī)制。
　　 將改進(jìn)粒子群算法和連續(xù)蟻群算法與模糊C均值聚類（FCM）算法融合，基于群智能優(yōu)化算法全局尋優(yōu)、快速收斂的特點(diǎn)，用群智能優(yōu)化代替FCM算法的基于梯度下降的迭代過程，提高了算法的全局搜索能力，避免其陷入局部極值。仿真結(jié)果表明這兩種融合算法的聚類效果優(yōu)于基本FCM算法。
　　 論文的主要?jiǎng)?chuàng)新點(diǎn)有：
　　 1．提出了一種改進(jìn)的粒子群優(yōu)化算法，由優(yōu)秀粒子構(gòu)成的子群對(duì)尋優(yōu)空間進(jìn)行壓縮，同時(shí)引入了重新啟動(dòng)