【摘要】：多種群粒子群優(yōu)化算法具有可調(diào)參數(shù)少,全局搜索能力良好,種群多樣性較高等優(yōu)點。然而,整個種群的信息共享較多依賴種群的重組周期。在算法后期的收斂過程中,由于種群間不能得到充分交流,導致種群跳出局部最優(yōu)的能力不強,種群多樣性喪失過快。而蛙跳算法與粒子群優(yōu)化算法相比具有更好的種群多樣性。因此,為了提高算法的種群多樣性,增強算法的全局搜索能力和局部搜索能力,本文提出了一種基于蛙跳算法的多種群粒子群優(yōu)化算法,其中包括多種群分群策略、多種群更新策略和多種群合作策略。多種群分群策略改變了種群的分群方式,提高了副群全局搜索的能力;粒子更新策略使得種群在擁有全局搜索能力的同時,提高了種群收斂精度;多種群合作策略則提高了種群間交流能力。為進一步提高種群多樣性,從而提高算法跳出局部最優(yōu)的能力,引入了一個增刪機制來記錄粒子的更新狀態(tài),對粒子進行更新或刪除操作。最后,將改進的多種群粒子群算法應用在了基因表達譜的特征選擇中。本文的主要工作如下:1)針對多種群粒子群優(yōu)化算法中隨機分類不穩(wěn)定,種群交流能力不足,多樣性流失過快的缺點,提出了基于蛙跳機制的多種群粒子群算法(MSLPSO)。首先,對粒子進行新的種群分類策略,將粒子按照計算得到的粒子適應度函數(shù)值進行降序排列并以此分群,以此提高了種群的全局搜索能力。其次,在主群和副群中,算法采用不同的更新策略來更新。主群負責收斂以提高算法的收斂精度,副群負責搜索整個解空間,在保證了全局搜索能力的同時,提高了算法的收斂精度。最后,種群使用了一種新的信息交流機制。副群之間沒有直接的通信,每個副群僅負責各自的全局搜索。當副群搜索到更好的解決方案時,該粒子通過替換主群中指定位置的粒子來與主群進行通信,提高了種群跳出局部最優(yōu)的能力。通過與多個改進粒子群優(yōu)化算法和蛙跳算法(SFLA)的比較,實驗結果表明,基于蛙跳算法的多種群粒子群優(yōu)化算法具有更高的收斂精度和更快的收斂速度。2)針對多種群粒子群優(yōu)化算法種群多樣性不足的缺點,在MSLPSO的基礎上,提出了一種粒子增刪機制,并將改進算法應用于基因表達譜的特征選擇方法中。首先,提出了一種增刪機制來記錄粒子的更新狀態(tài),為算法中的每個粒子賦予一個周期值,當粒子更新到更好狀態(tài)時,粒子周期值重置為0,否則,粒子周期值增加1,當粒子周期值達到預設值時,刪除粒子并重新生成新的粒子,防止了粒子停滯不前,提高了整個種群在全局搜索中的多樣性。其次,本文將改進的算法應用于基因表達譜的特征選擇方法中,并與其它使用PSO的改進方法相比,該方法在數(shù)據(jù)集上的實驗結果表明,基于上述改進算法的基因選擇方法,進一步提高了所選基因子集的分類準確率。
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP18

【參考文獻】

相關期刊論文 前3條

1 李俊;孫輝;史小露;;多種群粒子群算法與混合蛙跳算法融合的研究[J];小型微型計算機系統(tǒng);2013年09期

2 李穎新,阮曉鋼;基于支持向量機的腫瘤分類特征基因選取[J];計算機研究與發(fā)展;2005年10期

3 李曉磊,邵之江,錢積新;一種基于動物自治體的尋優(yōu)模式:魚群算法[J];系統(tǒng)工程理論與實踐;2002年11期

，

本文編號：2689323