區(qū)間自適應粒子群算法研究及其應用.pdf

1、粒子群優(yōu)化算法(PSO)是一種新穎的群體智能優(yōu)化算法,該算法是由Kennedy和Eberhart在1995年提出的,源于對鳥群和魚群等群體行為的模擬仿真得到的。粒子群優(yōu)化算法簡單明了,易于實現(xiàn),可調(diào)控的參數(shù)很少,且算法收斂速度快。粒子群優(yōu)化算法這些優(yōu)點受到了越來越多學者的關注,目前很多人對其進行了研究,并將PSO運用到函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡訓練、模糊系統(tǒng)控制、模式識別以及其他遺傳算法等領域中,具有很好的工程應用的前景。
　　 本文主

2、要對PSO的基本原理、算法參數(shù)的影響、PSO算法的改進以及在入侵檢測系統(tǒng)中的應用作了詳細研究,所做的工作主要包括如下:
　　 詳細地分析了粒子群優(yōu)化算法中慣性權重因子、收縮因子、種群拓撲結構對PSO算法性能的影響,并就慣性權重因子的影響進行了實驗。實驗表明,帶非線性慣性權重的PSO算法效果最好,具有很強的適應性。另外,對PSO算法從理論上進行了探討,包括對粒子群算法的空間軌跡、數(shù)學形式、收斂性等方面的分析和討論,仿真結果揭示了單

3、個粒子的運動軌跡在一定的程度上反映了整個粒子群的變化趨勢。
　　 基本粒子群算法不能解決離散問題,且容易過早收斂而導致早熟問題。針對這種情況,本文關注了粒子群算法的若干改進方法:離散PSO、混沌PSO、模擬退火PSO和免疫PSO,但是,在處理大量數(shù)據(jù)時,PSO的優(yōu)化速度和精度大打折扣,針對這個問題本文提出了一種新的區(qū)間自適應粒子群算法,通過在一個自適應區(qū)間上動態(tài)優(yōu)化PSO算法的權重配置,并采用SVM方法作為優(yōu)化工具,將其應用到入