论文部分内容阅读
20世纪以来,群体智能的诞生使优化领域得到了很大的发展,学者在研究生物群体行为时候得到了启示,提出了许多基于群体智能的算法,微粒群优化算法就是其中的一种。它是一种基于群体搜索策略的自适应随机算法,由于算法简单、参数较少、实现简单的特点,因此该算法被提出后得到了国内外许多学者的关注,逐渐成为一个新的研究热点。已经广泛应用于神经网络、函数优化、参数优化、数据挖掘、图像处理、信号处理、模式识别等领域并取得了良好的效果,有着广阔的应用前景。
本文的主要工作总结归纳为以下几方面:
首先,对微粒群优化算法的理论基础和研究现状作了简要的介绍,分析了粒子群优化算法的原理、算法流程以及算法的特点,对算法参数的选择做了详细的研究,并进行了相应的仿真实验。
其次,针对标准微粒群算法收敛速度较慢、收敛精度低、易陷入局部最优的问题,将方差聚集的思想、平均极值、停滞变异策略等引入了微粒群优化算法,用方差聚集思想改进现有的参数,根据粒子的自适应度值进行排序。通过控制惯性权重因子大小,使同一代中的粒子具有不同的惯性权重因子值,因此每个粒子具有不同的更新公式,将平均极值引入和变异策略引入是为了增加了粒子的多样性,增强微粒群优化算法计算后期的全局寻优能力。通过仿真实验,验证了优化后的算法具有良好的全局寻优能力和收敛速度。
再次,将改进后的微粒群优化算法应用到矢量量化码书设计当中。在分析了码书设计中经典算法LBG的性能之后,通过仿真实验说明了LBG算法的缺点,包括对初始码书敏感和容易陷入局部最优。因此将本文的改进算法引入,利用微粒群优化算法的全局寻优能力来改进LBG算法的缺点。本文研究了基于码书和基于划分的两种微粒群码书设计方式。通过仿真实验,用改进算法优化的LBG算法计算的码书,不仅性能得到了提高,算法的稳定性也增强了。降低了算法对初始码书的依赖程度。