基于群體交互自組織種群結(jié)構(gòu)的擴(kuò)展微粒群算法研究.pdf

1、優(yōu)化問題普遍存在于現(xiàn)實(shí)世界的各個(gè)領(lǐng)域。群體智能算法是一種模擬生物群體智能行為，求解優(yōu)化問題的自然計(jì)算技術(shù)。如何能更加真實(shí)的模擬生物群體行為，以解決復(fù)雜優(yōu)化問題，是群體智能算法領(lǐng)域研究的重要問題。由于生物社會(huì)是一個(gè)復(fù)雜的自組織結(jié)構(gòu)，因此群體智能算法若模擬生物社會(huì)結(jié)構(gòu)的自組織演化過程，從自組織結(jié)構(gòu)的角度考察個(gè)體行為，則能更加真實(shí)模擬生物群體行為，涌現(xiàn)相應(yīng)的群體智能。本文借鑒復(fù)雜網(wǎng)絡(luò)模型模擬生物群體的自組織結(jié)構(gòu)，按照種群拓?fù)浣Y(jié)構(gòu)節(jié)點(diǎn)數(shù)固定不變

2、和節(jié)點(diǎn)數(shù)動(dòng)態(tài)變化，以及邊有無方向的研究順序，構(gòu)造了提高算法性能的各種自組織種群拓?fù)浣Y(jié)構(gòu)，并對(duì)自組織種群拓?fù)浣Y(jié)構(gòu)特征、自組織種群拓?fù)浣Y(jié)構(gòu)特征度量的變化過程與算法性能的關(guān)系等進(jìn)行了研究。
　　 微粒間的作用機(jī)制是影響微粒群算法性能的關(guān)鍵因素。為解決微粒群算法的早熟問題，提出了一種擴(kuò)展的微粒群算法。借鑒擬態(tài)物理學(xué)中的引斥力思想，重新構(gòu)建了微粒間的作用方式。基于微粒間適應(yīng)值的比較，定義了微粒間作用的引斥力規(guī)則，使微粒在所有微粒對(duì)其產(chǎn)生的

3、引斥力的合力方向上隨機(jī)移動(dòng)尋找最優(yōu)解。理論分析了算法的收斂條件和全局收斂性。通過仿真實(shí)驗(yàn)說明了該算法具有較好的性能。
　　 為了構(gòu)造能提高擴(kuò)展微粒群算法性能的自組織種群拓?fù)浣Y(jié)構(gòu)，首先針對(duì)擴(kuò)展微粒群算法的靜態(tài)種群拓?fù)浣Y(jié)構(gòu)研究了信息傳播速度和拓?fù)浣Y(jié)構(gòu)特征度量與算法性能的關(guān)系、靜態(tài)拓?fù)浣Y(jié)構(gòu)和算法參數(shù)與算法性能的關(guān)系、擴(kuò)展微粒群算法的最優(yōu)種群結(jié)構(gòu)，并通過理論和實(shí)驗(yàn)分析得出了節(jié)點(diǎn)的度和拓?fù)浣Y(jié)構(gòu)的度分布是影響算法性能的關(guān)鍵因素等相關(guān)結(jié)論。<

4、br>　　 然后，根據(jù)擴(kuò)展微粒群算法在靜態(tài)種群拓?fù)浣Y(jié)構(gòu)研究中的相關(guān)結(jié)論，模擬動(dòng)物群體趨利避害的行為選擇機(jī)制，構(gòu)建了在節(jié)點(diǎn)數(shù)固定不變情況下，以微粒適應(yīng)值驅(qū)動(dòng)的邊變化的自組織種群拓?fù)浣Y(jié)構(gòu)。從理論和仿真實(shí)驗(yàn)上對(duì)結(jié)構(gòu)及其與算法性能間的關(guān)系進(jìn)行了分析，結(jié)果表明節(jié)點(diǎn)吸引邊的能力對(duì)結(jié)構(gòu)特征和算法性能具有較大的影響。與相關(guān)算法進(jìn)行實(shí)驗(yàn)比較，結(jié)果說明了該算法具有較好的性能。并將其應(yīng)用于混沌系統(tǒng)的控制問題，仿真結(jié)果表明了該算法的優(yōu)越性。為了進(jìn)一步提高擴(kuò)展

5、微粒群算法的性能，借鑒優(yōu)勝劣汰思想，構(gòu)建了在節(jié)點(diǎn)數(shù)固定不變情況下，以微粒適應(yīng)值驅(qū)動(dòng)的節(jié)點(diǎn)等量刪除與補(bǔ)償?shù)墓?jié)點(diǎn)和邊變化的自組織種群拓?fù)浣Y(jié)構(gòu)。對(duì)結(jié)構(gòu)進(jìn)行理論和實(shí)驗(yàn)分析，獲得了結(jié)構(gòu)演化參數(shù)、結(jié)構(gòu)特征度量和信息傳播速度間的關(guān)系。對(duì)結(jié)構(gòu)特征度量的動(dòng)態(tài)變化過程與算法性能間的關(guān)系進(jìn)行了實(shí)驗(yàn)分析，結(jié)果表明在整個(gè)算法進(jìn)化期間，逐漸變快的信息傳播速度符合算法不同時(shí)期的搜索需要。同時(shí)，將基于兩種自組織種群拓?fù)浣Y(jié)構(gòu)下的擴(kuò)展微粒群算法進(jìn)行實(shí)驗(yàn)比較，結(jié)果表明后者的

6、種群結(jié)構(gòu)能有效的平衡算法的全局搜索和局部搜索能力，后者的性能優(yōu)于前者。
　　 受真實(shí)網(wǎng)絡(luò)具有增長(zhǎng)特性以及微粒群算法動(dòng)態(tài)種群規(guī)模研究成果的啟發(fā)，結(jié)合算法的種群規(guī)模不能無限增加的特點(diǎn)，構(gòu)建了以微粒適應(yīng)值和節(jié)點(diǎn)(微粒)度擇優(yōu)的自組織種群拓?fù)浣Y(jié)構(gòu)。其在種群規(guī)模上限內(nèi)按照節(jié)點(diǎn)數(shù)不斷增加機(jī)制進(jìn)行結(jié)構(gòu)演化，之后按照節(jié)點(diǎn)等量刪除與補(bǔ)償?shù)臋C(jī)制進(jìn)行結(jié)構(gòu)演化。同時(shí)，為了提高擴(kuò)展微粒群算法的收斂性能，建立了與結(jié)構(gòu)相關(guān)聯(lián)的速度更新公式，并從理論上分析了其

7、收斂條件和全局收斂性。根據(jù)算法搜索情況決定種群結(jié)構(gòu)演化時(shí)刻，構(gòu)造了算法進(jìn)化與結(jié)構(gòu)演化的異步結(jié)合方式。對(duì)結(jié)構(gòu)進(jìn)行理論和實(shí)驗(yàn)分析，獲得了結(jié)構(gòu)演化參數(shù)與結(jié)構(gòu)特征度量間的關(guān)系。同時(shí)，仿真實(shí)驗(yàn)分析了結(jié)構(gòu)演化參數(shù)和結(jié)構(gòu)特征度量對(duì)算法性能的影響，并且通過與其它算法進(jìn)行實(shí)驗(yàn)比較，結(jié)果表明了該算法的優(yōu)越性。
　　 針對(duì)無向自組織種群拓?fù)浣Y(jié)構(gòu)存在的不足，模擬動(dòng)物群體趨利避害的行為選擇機(jī)制，以微粒的適應(yīng)值為指導(dǎo)，構(gòu)建了在節(jié)點(diǎn)數(shù)固定不變情況下的有向自組