群體智能計算模式的統(tǒng)一性及多樣性實(shí)例研究.pdf_第1頁
已閱讀1頁,還剩205頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、自然界不僅有智能的集成大者和統(tǒng)治者,同時還存在著那些讓人類也嘆為觀止的生物群體智能現(xiàn)象。蜂巢之精美,蟻群之有序,雁隊之和諧,這些群居生物所體現(xiàn)的社會性和分布式智能實(shí)現(xiàn)模式確實(shí)值得我們?nèi)祟悓W(xué)習(xí)。群體智能就是這樣一種在自然界生物群體表現(xiàn)出的智能現(xiàn)象啟發(fā)下提出的人工智能模式,是對簡單生物群體智能涌現(xiàn)現(xiàn)象的具體模式研究。群體智能的迅速發(fā)展體現(xiàn)了科學(xué)領(lǐng)域發(fā)展中生命科學(xué)與工程科學(xué)的相互交叉、相互滲透和相互促進(jìn)。 在群體智能計算及智能控制相關(guān)

2、的研究領(lǐng)域,各類算法模式層出不窮,它們形態(tài)各異,理念各異,建模及分析工具各具特色,但這恰恰體現(xiàn)了智能計算的多樣性。而在某些智能算法之間也必然存在著一定程度的統(tǒng)一性,離開了多樣性,智能的統(tǒng)一性就無從談起,但離開了統(tǒng)一性,對各具特色的智能工具也就無法進(jìn)一步深入認(rèn)識了。由以上觀念,再結(jié)合智能計算領(lǐng)域的各類相關(guān)研究成果,本文將其中的某些具有相當(dāng)數(shù)量共同特征的算法加以詳細(xì)分析,構(gòu)建一套各相關(guān)算法都能遵從,并在具體應(yīng)用時又能不失其多樣性的群體智能計

3、算分析框架,即本文主題:群體智能計算模式的統(tǒng)一性及多樣性實(shí)例研究。 本文主要的創(chuàng)新性結(jié)果體現(xiàn)在如下幾個方面: (1)在群體智能中,不同的智能體具有不同的外在表現(xiàn)形式,但它們所表現(xiàn)出來的計算模式具有相對的統(tǒng)一性。基于這一理念,對群體智能的總體模式進(jìn)行了形式化描述和探討,提出群體智能計算模式的統(tǒng)一框架,給出了群體智能的總體分層框架模型。然后,基于群體智能計算模式的統(tǒng)一框架,以蟻群算法、微粒群算法、分布估計算法和人工免疫算法等典

4、型的群體智能計算模式為例加以具體論述,分別給出了這幾種算法的總體形式化描述和智能計算模式框架理念求證,通過形式化描述、框架性建模、典型算法模型展開及分析,使群體智能計算理念從宏觀到微觀再到宏觀、從統(tǒng)一性到多樣性再到統(tǒng)一性得到了較為系統(tǒng)的展現(xiàn)。 (2)以一種典型的群體智能計算模式-微粒群算法為例,進(jìn)行具體的群體智能的多樣性實(shí)例研究。對智能微粒群算法的優(yōu)化效能評價進(jìn)行系統(tǒng)化工作,在智能優(yōu)化基本指標(biāo)體系的指導(dǎo)下,構(gòu)建一種能夠綜合評價算法

5、整體優(yōu)化性能和群體總體尋優(yōu)動態(tài)的智能微粒群優(yōu)化動態(tài)效能評價模式體系,并分別對算法最優(yōu)值動態(tài)、群體聚合度動態(tài)、重心收斂度動態(tài)和群體多樣性動態(tài)等評價模式進(jìn)行了實(shí)例仿真和有效性驗(yàn)證。 (3)在群體智能統(tǒng)一框架理念的指導(dǎo)下,進(jìn)行微粒群改進(jìn)模式的研究,分別提出了兩種微粒群算法改進(jìn)模式-基于生態(tài)群競爭模型的微粒群算法(EPSO)和基于引力場模型的微粒群算法(GPSO),并進(jìn)行了數(shù)值仿真與比較分析。該研究通過抽取生態(tài)系統(tǒng)的信息處理機(jī)制,考慮到生

6、態(tài)學(xué)中的種群競爭機(jī)制,拓展了傳統(tǒng)微粒群算法的種群組織和尋優(yōu)模式,拓展了微粒群算法的生態(tài)基礎(chǔ)和系統(tǒng)行為。GPSO借鑒了自然界萬有引力概念,從引力場的對個體運(yùn)動的作用方面來改進(jìn)微粒群算法的組織形式及運(yùn)動模式,其中的微粒群具有自組織的場結(jié)構(gòu)模型,同時微粒的質(zhì)量遵循質(zhì)量可變的原則。 (4)對微粒群算法的收斂性進(jìn)行了較為系統(tǒng)的分析總結(jié)?;诤喕碾x散微粒群系統(tǒng)的收斂條件,將微粒群優(yōu)化與自適應(yīng)動態(tài)規(guī)劃進(jìn)行結(jié)合,進(jìn)行了基于群體智能搜索模式的離散

7、微粒群系統(tǒng)參數(shù)的近似動態(tài)優(yōu)化。首先,在對一個近似簡化的離散反饋控制微粒群系統(tǒng)進(jìn)行收斂性分析的基礎(chǔ)上,提出了一種群體智能近似動態(tài)規(guī)劃算法(swarm-ADP);然后考慮微粒群算法中隨機(jī)變量的影響,以離散隨機(jī)系統(tǒng)的模式來分析微粒群系統(tǒng)的收斂性,并對隨機(jī)PSO系統(tǒng)進(jìn)行參數(shù)的動態(tài)優(yōu)化研究,提出了一種群體智能近似隨機(jī)動態(tài)規(guī)劃算法(ASDP);最后通過數(shù)值實(shí)驗(yàn)驗(yàn)證了所提出的群體智能近似動態(tài)優(yōu)化方法的有效性。 (5)進(jìn)行了群體智能的應(yīng)用領(lǐng)域拓展

8、研究。首先,將群體智能引入到大學(xué)排名系統(tǒng)參數(shù)優(yōu)化,以上海交通大學(xué)高等教育研究所發(fā)布的世界大學(xué)排名系統(tǒng)為例,設(shè)計一種非線性的映射關(guān)系來模擬該排名指標(biāo)體系,并利用微粒群算法進(jìn)行排名體系的學(xué)習(xí)和映射關(guān)系參數(shù)的優(yōu)化。然后,將群體智能應(yīng)用于半導(dǎo)體封裝測試生產(chǎn)中,基于實(shí)際的生產(chǎn)數(shù)據(jù),進(jìn)行了基于微粒群優(yōu)化的焊球回流工序的殘次品主次成因群體智能分析與仿真,并對一類簡化的封裝作業(yè)車間調(diào)度優(yōu)化問題進(jìn)行研究,提出了一種基于群體智能的動態(tài)調(diào)度方法。 最

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論