粒子群演算法的改良與應用 ; Improvements and Applications of Particle Swarm Optimization

NCU Institutional Repository > 資訊電機學院 > 電機工程研究所 > 博碩士論文 > Item 987654321/44612

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/44612

题名:	粒子群演算法的改良與應用;Improvements and Applications of Particle Swarm Optimization
作者:	邱鴻志;Hung-Chih Chiu
贡献者:	電機工程研究所
关键词:	粒子群演算法;模糊理論;Particle Swarm Optimization;Fuzzy
日期:	2010-06-24
上传时间:	2010-12-09 13:50:29 (UTC+8)
出版者:	國立中央大學
摘要:	本論文之目的係為增加群體內粒子的搜尋能力和效率，而藉由模糊理論的觀念來調適粒子群演算法的加速度參數，這種策略主要是希望粒子群能持續的拓展搜尋範圍和找尋新的最佳解。本論文有兩種優點可以描述，一種就是可以和其它不同型式粒子群演算法的加速度參數做結合增加他們的搜尋性能，另一種就是經由模糊理論訂出三條模糊規則做加速度參數調整，達到全域搜尋能力。另外為了分析演算法於不同領域和適用性問題，透過16種標準函數的測試與5種不同的粒子群算法做比較。最後，經由模擬的結果顯示，本方法的確可以有效地改善原始PSO的性能，並且對於大多數的標準測試函數而言，均有優越的表現。In this thesis, in order to enhance each variable particle’s searching ability and efficiency, a fuzzy logic control is implemented to adapt the acceleration parameters of particle swarm optimization algorithm (PSO). The important condition of fully utilizing the particle swarm optimization algorithm is to keep advance between extensive searching and exploring global optimal. This method has two advantages. One is that it is flexible to integrate with other PSO techniques to enhance the searching performance further. The other is that it is only used three simple fuzzy inference rules to adaptively adjust the acceleration parameters of the standard PSO and results in certain improved searching ability and efficiency. In addition, the simulation is tested by using 16 benchmark functions. The results show that our proposed methods can efficiently improve the performance of original PSO and outperform the five compared PSO algorithms for most of benchmark functions.
显示于类别:	[電機工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	612	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....