亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于迭代優(yōu)化度與直線搜索的改進(jìn)粒子群算法

        2015-05-30 11:44:40王斌
        2015年5期
        關(guān)鍵詞:測試函數(shù)極值適應(yīng)度

        王斌

        摘要:現(xiàn)有粒子群算法無論是在算法運(yùn)行的前期還是后期,現(xiàn)有的改進(jìn)方法都是以適應(yīng)度值來作為評價(jià)粒子優(yōu)劣的唯一標(biāo)準(zhǔn),本文根據(jù)挖掘有潛力粒子的思想,提出迭代優(yōu)化度概念來刻畫粒子的潛力,并對于潛力較大的粒子采用直線搜索的策略來進(jìn)行搜索,這樣就避免所有的粒子均參考適應(yīng)度值優(yōu)秀的粒子運(yùn)動(dòng),提高了算法效率,保持了潛力大的粒子的獨(dú)立性。將改進(jìn)粒子群算法用2個(gè)經(jīng)典的檢驗(yàn)函數(shù)進(jìn)行對比檢驗(yàn),結(jié)果表明提出的改進(jìn)粒子群算法能大幅度增強(qiáng)擺脫局部最優(yōu)解的能力,有效地改善尋優(yōu)性能。

        關(guān)鍵詞:PSO算法;改進(jìn)PSO算法

        1.引言

        粒子群算法是基于個(gè)體有序運(yùn)動(dòng)的群體智能算法,是由Eberhart和Kennedy[1][2]在1995年提出來的。但是標(biāo)準(zhǔn)的PSO算法主要存在早熟和尋優(yōu)精度低的問題,因此為了實(shí)現(xiàn)加快收斂速度和避免陷入局部最優(yōu)解,改進(jìn)的粒子群算法被提出。

        現(xiàn)有的改進(jìn)方式主要有改進(jìn)算法參數(shù)、改進(jìn)搜索方式和改進(jìn)搜索領(lǐng)域的拓?fù)浣Y(jié)構(gòu)[4],然而到目前為止同時(shí)兼顧收斂速度和跳出局部最優(yōu)解的能力是很難的。比如,文獻(xiàn)[3]把重心放在避免陷入局部最優(yōu)解的問題上,卻帶來了收斂速度的變緩。2002年Clerc[5]等引入了收縮因子,提出了一種自適應(yīng)PSO算法,到目前為止參數(shù)的自適應(yīng)策略都是以種群迭代次數(shù)為參考變量的。2013年何茜[6]提出一種刪除機(jī)制,對于長期不更新的粒子,直接刪除。

        2.粒子群算法簡介

        2.1粒子群優(yōu)化算法

        粒子群優(yōu)化(particle swarm optimizer,簡稱PSO)算法是模仿鳥類群體智能行為而提出的算法,其實(shí)施過程:在算法開始時(shí),對各粒子賦予初始值(初始速度和初始位置),初始種群在N維解空間中為均勻分布。其中第i個(gè)粒子在研究區(qū)域中所處的位置和速度分別表示為Xi=(xi1,xi2…,xin)和Vi=(vi1,vi2…,vin),根據(jù)迭代原則找到最優(yōu)解。在每次迭代時(shí),粒子通過跟蹤兩個(gè)極值來更新自身的速度和位置,一個(gè)極值是粒子本身到目前為止所找到的最優(yōu)解,這個(gè)極值稱為個(gè)體極值,設(shè)為Pbesti=(Pbesti1,Pbesti2…,Pbestin);另一個(gè)極值是該粒子的領(lǐng)域到目前為止找到的最優(yōu)解,這個(gè)極值稱為整個(gè)領(lǐng)域的最優(yōu)極值,設(shè)為Nbesti=(Nbesti1,Nbesti2…,Nbestin)。第i個(gè)粒子是根據(jù)以下公式(1)(2)(3)更新自身的速度和位置:

        Vi=ωVi+c1×rand×(Nbesti-Xi)+c2×rand()×(Pbesti-Xi)Xi=Xi+Vi

        ω=(ω1-ω2)Imax-IImax+ω2

        式中c1和c2是加速常量,rand是[0,1]之間的隨機(jī)數(shù),ω1、ω2為慣性權(quán)重的初始值和終值,I為當(dāng)前迭代次數(shù),Imax為最大迭代次數(shù)。

        3.粒子群優(yōu)化算法的改進(jìn)

        3.1迭代優(yōu)化度與直線搜索

        現(xiàn)有的改進(jìn)方法均采用將適應(yīng)度值好壞作為評價(jià)粒子優(yōu)劣的唯一標(biāo)準(zhǔn),對于適應(yīng)度值暫時(shí)不優(yōu)秀的粒子,強(qiáng)制性地讓其以暫時(shí)優(yōu)秀的粒子為中心運(yùn)動(dòng),這樣不僅會(huì)讓種群失去多樣性,而且還會(huì)造成潛在的優(yōu)秀粒子被忽略。因此,在粒子群算法中,應(yīng)該給予那些進(jìn)步程度大的潛在優(yōu)秀粒子獨(dú)立發(fā)展的空間,這樣就有更大的可能發(fā)現(xiàn)更優(yōu)秀的粒子。

        現(xiàn)有的改進(jìn)方法無一例外都存在一個(gè)嚴(yán)重的問題,那就是將適應(yīng)度值好壞作為評價(jià)粒子優(yōu)劣的唯一標(biāo)準(zhǔn),對于那些適應(yīng)度值暫時(shí)不優(yōu)秀的粒子,很粗暴地讓它們以暫時(shí)優(yōu)秀的粒子為中心運(yùn)動(dòng),這樣不僅會(huì)讓種群失去多樣性,而且還會(huì)失去很多尋找到更加優(yōu)秀粒子的機(jī)會(huì)。

        基于以上的分析,本文提出迭代優(yōu)化度的概念來刻畫粒子的進(jìn)步程度,對于求最小值的優(yōu)化問題,定義如下:

        D_betteri,t=fiti,t-1-fiti,tfiti,t-1×100%(4)其中,i表示粒子的編號(hào),t表示迭代種群迭代次數(shù),fiti,t適應(yīng)度值,D_betteri,t迭代優(yōu)化度。

        最后,考慮對于迭代優(yōu)化度較大的粒子的獨(dú)立搜索,但是考慮到算法的復(fù)雜度,必須提出一種簡單有效的搜索方式。在此,本文提出了直線搜索的策略,對于迭代優(yōu)化度排名靠前的粒子進(jìn)行沿著原來速度所對應(yīng)方向的直線搜索,在直線上有序取點(diǎn)進(jìn)行搜索。

        4.性能測試分析

        為了測試算法的性能,選擇2個(gè)標(biāo)準(zhǔn)的測試函數(shù)用于優(yōu)化實(shí)驗(yàn),2個(gè)函數(shù)的函數(shù)表達(dá)式、搜索空間、理論全局最小是入表1所示。

        表1標(biāo)準(zhǔn)的測試函數(shù)

        函數(shù)函數(shù)表達(dá)式搜索空間最優(yōu)解

        Rosenbrockf2(x)=∑ni=1100(xi+1-x2i)2+(1-xi)2[-100,100]0

        Griewankf4(x)=14000∑ni=1x2i-∏ni=1cos(xii)+1[-100,100]0

        通過比較測試函數(shù)的平均適應(yīng)度值、方差適應(yīng)度值、最優(yōu)適應(yīng)度值和最差適應(yīng)度值的方式對三種算法進(jìn)行評價(jià),其中平均適應(yīng)度值和方差適應(yīng)度值用于評價(jià)算法的尋優(yōu)精度和魯棒性。下面將通過與文獻(xiàn)[22]中所提出的引入刪除機(jī)制的粒子群算法作對比,來說明本文引入迭代優(yōu)化度與線性搜索策略的粒子群算法的性能。

        算法參數(shù)設(shè)置如下:測試函數(shù)的維數(shù)為10,迭代次數(shù)為2000次。種群規(guī)模為100,C1=C2=2.0,慣性權(quán)重w1=w2=0.8,適應(yīng)度值選優(yōu)比例Rate_better=0.1,迭代優(yōu)化度選優(yōu)比例Rate_imp=0.1。結(jié)果如表2所示,其曲線如圖1—圖2所示。

        表2測試函數(shù)的仿真結(jié)果比較

        函數(shù)算法平均值方差最優(yōu)值最差值

        f1

        PSO4.6246.14874.62412.75

        改進(jìn)PSO2.242e-033.7259e-072.242e-033.923e-03

        f2

        PSO3.751e+032.576e+61.900e+037.129e+03

        改進(jìn)PSO1.41250.10340.78171.837

        f3

        PSO1.532e-022.195e-041.807e-035.069e-02

        改進(jìn)PSO1.683e-074.072e-141.183e-095.632e-07

        f4

        PSO0.56211.562e-020.36220.6667

        改進(jìn)PSO0.17182.469e-030.10100.2559

        猜你喜歡
        測試函數(shù)極值適應(yīng)度
        改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
        極值點(diǎn)帶你去“漂移”
        極值點(diǎn)偏移攔路,三法可取
        一類“極值點(diǎn)偏移”問題的解法與反思
        具有收縮因子的自適應(yīng)鴿群算法用于函數(shù)優(yōu)化問題
        帶勢函數(shù)的雙調(diào)和不等式組的整體解的不存在性
        基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
        中國塑料(2016年11期)2016-04-16 05:26:02
        約束二進(jìn)制二次規(guī)劃測試函數(shù)的一個(gè)構(gòu)造方法
        匹配數(shù)為1的極值2-均衡4-部4-圖的結(jié)構(gòu)
        面向真實(shí)世界的測試函數(shù)Ⅱ
        青草青草伊人精品视频| а天堂中文最新一区二区三区| 人妻av中文字幕无码专区| 国产人成无码视频在线| 久久精品亚洲国产成人av| 97精品一区二区三区| 国产真实强被迫伦姧女在线观看| 91日韩高清在线观看播放| 亚洲国产日韩综一区二区在性色| 亚洲av毛片在线网站| 无码va在线观看| 国产三级欧美| 中文字幕你懂的一区二区| 国产内射一级一片内射视频| 一品二品三品中文字幕| 加勒比无码专区中文字幕| 日本一二三区在线视频观看| 蜜桃av精品一区二区三区| 一本一道av无码中文字幕| 在线毛片一区二区不卡视频| 三级国产自拍在线观看| 韩国三级大全久久网站| 亚洲av无码成人精品区天堂| 国产人成视频免费在线观看| 色婷婷久久精品一区二区| 国产精品一区二区久久乐下载 | 九九热在线视频观看这里只有精品| 中文字幕亚洲精品人妻| 开心久久婷婷综合中文字幕| 麻豆影视视频高清在线观看| 日韩一区二区肥| 精品久久人妻一区二区| 内射夜晚在线观看| 国产一在线精品一区在线观看| 美腿丝袜av在线播放| 国产精品主播在线一区二区| 日韩亚洲av无码一区二区三区| 午夜福利影院不卡影院| 熟女一区二区国产精品| 天天噜日日噜狠狠噜免费| 亚洲国产一区二区三区网|