粒子群算法及其在模式识别领域中的应用.pdf

摘 要 本文首先介绍了基本的粒子群算法以及粒子群算法的发展概况，对简化版本 PSO 的收敛性和条件进行了分析，随后，将粒子群算法用于求解多峰有哪些信誉好的足球投注网站问题，用 改进的粒子群算法训练神经网络。本文的主要研究成果可归纳如下: (1)对多峰有哪些信誉好的足球投注网站问题提出了一类动态微粒群算法，该算法通过变换函数将多 峰问题中的所有峰变为等高峰，从而保证每个峰都有同等机会被找到；在有哪些信誉好的足球投注网站过 程中采用群体规模动态可调的进化方式，使得初始群体可以任意指定，从而克服 了标准微粒群算法由于无法事先知道多峰函数峰值点个数而很难确定合适群体大 小的困难。实验表明了该算法可以尽可能多的找到峰值点。 (2)对多峰有哪些信誉好的足球投注网站问题提出了一类基于微粒群优化算法的优育子群法，该算法 通过变换函数将多峰问题中的所有峰变为等高峰，从而保证每个峰都有同等机会 被找到；在有哪些信誉好的足球投注网站过程中，每一代微粒中剔除掉已搜到的峰值点附近的微粒，以避 免重复有哪些信誉好的足球投注网站峰值点，进而减少微粒群有哪些信誉好的足球投注网站代数。实验表明了该算法可以尽可能多 的找到峰值点。 (3)针对粒子群算法随机性较强,收敛较慢的问题，利用数学中的外推技巧给 出了两个新的粒子位置更新公式，由此构造出一种强引导型粒子群算法。此算法 在稳定性和收敛性上均优于基本粒子群算法，对高维函数的优化效果尤为明显。 然后将强引导型粒子群算法用于训练神经网络，试验表明，此算法可克服BP算法 易陷入局部极小、收敛速度慢等缺点。 关键词：粒子群算法 多峰有哪些信誉好的足球投注网站 动态调整 优育子群 神经网络 BP算法 4 粒子群算法及其在模式识别领域中的应用 ABSTRACT This paper first discusses the original algorithm, the history of PSO and analyzes the convergence and its conditions of the simplified version of PSO. Then, it applies the PSO to multi-peak searching problem and trains the neural network with a new class of PSO. The main contributions of this paper are as follows: (1) A class of dynamic-population particle swarm optimization for searching peaks of some multi-peak functions is proposed. This algorithm transforms all peaks of multi-peak problems into those peaks equally high by functional transformation, in order to find all peaks with the same probability. During the searching the size of particle swarm could be adjusted to get any initial size of swarm. So it could solve the problem of determining swarm size because the number of peaks of the given multi-peak function could not be obtained in standard particle swarm optimization. The experiments manifest that the algorithm can search peaks of function as much as possible. (2) A class of excellent individual sub-population based on particle swarm optimiz