遺傳算法與粒子群算法的改進及應用.pdf

1、華中科技大學博士學位論文遺傳算法與粒子群算法的改進及應用姓名：張頂學申請學位級別：博士專業(yè)：系統(tǒng)工程指導教師：劉新芝關治洪20071101華中科技大學博士學位論文II化，使算法具有動態(tài)的種群結構，從而保持了種群的多樣性。同時為了使粒子盡可能地分布在不同的搜索空間，在網(wǎng)絡模型演化過程中考慮了節(jié)點的個體價值，另外為了加快算法的收斂速度，在進化后期采用全局模型粒子群算法。仿真結果表明了算法的有效性和實用性。提出了一種基于PSO的動態(tài)聚類算法，

2、對標準PSO在編碼機制和操作過程上做了改進，并以DBIndex準則作為聚類有效性的判斷準則。將其應用于模糊模型辨識中，用動態(tài)聚類算法確定模糊規(guī)則模型的前提結構和參數(shù)，然后用最小二乘法求解模糊模型的結論參數(shù)。并將該方法成功應用于熱工過程模糊辨識中。將GA和PSO應用到徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡的學習中。首先將變長度染色體遺傳算法應用于RBF神經(jīng)網(wǎng)絡的訓練，并與最小二乘法相結合，同時確定網(wǎng)絡的結構和中心參數(shù)，用此方法建立了熱電廠熱負荷預測

3、模型，并與BP網(wǎng)絡和增長型結構學習算法RBF網(wǎng)絡模型進行了比較，其模型精度有明顯地提高。然后研究了兩種基于PSO的RBF網(wǎng)絡學習算法，一種是先利用減聚類算法確定網(wǎng)絡的隱層單元數(shù)，再用PSO對中心參數(shù)進行優(yōu)化，并與最小二乘法相結合來訓練RBF網(wǎng)絡；另一種是借鑒遞階遺傳算法的編碼原理，在PSO中引進了控制基因，并與最小二乘法相結合同時確定網(wǎng)絡的拓撲結構和中心參數(shù)。結果表明，兩種算法是有效的。最后，對全文進行了總結，指出了未來進一步研究的方向