|
博士學(xué)位論文 不確定規(guī)劃的群體智能計算
|
|
資料類別
|
電子電工畢業(yè)論文（設(shè)計） |
|
|
課程(專業(yè))
|
控制科學(xué)與工程 |
|
關(guān)鍵詞
|
不確定規(guī)劃|群體智能 |
|
適用年級
|
大學(xué) |
|
身份要求
|
普通會員 |
|
金 幣
|
50 （金幣如何獲得？） |
|
文件格式
|
kdh |
|
文件大小
|
2627K |
|
發(fā)布時間
|
2012-09-23 17:52:00 |
|
預(yù)覽文件
|
無 |
|
下載次數(shù)
|
1 |
| 發(fā)布人 |
kj008 |
內(nèi)容簡介：
博士學(xué)位論文 不確定規(guī)劃的群體智能計算，說明書共149頁。
摘 要
隨著現(xiàn)代科技的發(fā)展，現(xiàn)有的確定論方法在許多的研究領(lǐng)域遇到了無法克服的困難，傳統(tǒng)的經(jīng)典數(shù)學(xué)規(guī)劃模型不能處理所有的決策問題。不確定規(guī)劃是不確定環(huán)境下的優(yōu)化理論與方法，為隨機(jī)、模糊、粗糙以及多重不確定環(huán)境下的優(yōu)化問題提供統(tǒng)一的理論基礎(chǔ)。不確定規(guī)劃的理論研究已成了十分熱門的課題，在電子技術(shù)、通訊、自動控制、光學(xué)、生物學(xué)等許多領(lǐng)域中具有巨大的應(yīng)用潛力及發(fā)展前景。
鑒于不確定規(guī)劃模型的復(fù)雜性，為適應(yīng)大規(guī)模不確定規(guī)劃問題的求解需要，有必要在算法設(shè)計方面作進(jìn)一步的改善或進(jìn)行新的嘗試，例如設(shè)計有效和強(qiáng)大的新型群體智能算法。群體智能算法中許多簡單個體通過交互合作產(chǎn)生復(fù)雜的智能行為。群體智能技術(shù)具有重大意義和廣闊前景，其發(fā)展和應(yīng)用領(lǐng)域的不斷擴(kuò)大，為更加復(fù)雜的決策系統(tǒng)中的不確定規(guī)劃提供了豐富的求解算法。本文完善和充實了群體智能理論及其在
不確定規(guī)劃中的應(yīng)用研究，設(shè)計了新型群體智能算法來求解不確定規(guī)劃模型，并運用于空間機(jī)器人隨機(jī)故障容錯規(guī)劃。論文的主要研究工作和成果體現(xiàn)在：
(1)對群體智能算法的統(tǒng)一框架、收斂性、魯棒性、生存分析等方面理論做了證明和分析。對群體智能算法統(tǒng)一框架的協(xié)作、自適應(yīng)和競爭這三個基本環(huán)節(jié)進(jìn)行數(shù)學(xué)化描述與解釋；分別基于 Markov 鏈和基于圖論兩種方法證明群體智能算法的收斂性；分析群體智能算法的魯棒性與靈敏度，把參數(shù)攝動作為特殊輸入量以考慮參數(shù)攝動對算法性能的影響，采用統(tǒng)計學(xué)測度為比較不同策略提供均值和方差；首次將多元生存分析引入進(jìn)化算法，為算法收斂過程建立了帶伴隨變量的參數(shù)生存模型，進(jìn)行Kaplan-Meier 生存分析計算期望生存時間和生存函數(shù)曲線，求解 COX 比例危險率回歸模型，運用了數(shù)據(jù)統(tǒng)計分析軟件 SPSS 分析了參數(shù)選擇對早熟收斂的影響。
(2)設(shè)計了多種新型群體智能算法。借鑒人類社會學(xué)活動原理，提出了基于班級選舉的動態(tài)遞階差分進(jìn)化算法，根據(jù)班級選舉這一社會行為模式，將差分進(jìn)化算法分為組內(nèi)選舉、選舉班長和小組重建三個階段，引入多階性和動態(tài)可變拓?fù)洳呗�；根�?jù)病毒進(jìn)化理論采用縱向和橫向兩層結(jié)構(gòu)，將主群體的全局進(jìn)化和病毒群體的局部進(jìn)化動態(tài)結(jié)合，提出病毒感染差分進(jìn)化算法；引入多元生存分析，設(shè)計了一種生存模糊自適應(yīng)的蟻群算法，將生存模型、模糊控制與蟻群算法相結(jié)合，實現(xiàn)對種群規(guī)模的模糊自適應(yīng)調(diào)控。
(3)不確定規(guī)劃的假設(shè)檢驗群體智能計算。對于含不確定參數(shù)的不確定規(guī)劃問題，在群體智能算法中引入假設(shè)檢驗在統(tǒng)計意義下進(jìn)行有效的性能評估和比較，進(jìn)而提高種群的整體質(zhì)量并保證種群的分散性。對差分進(jìn)化算法進(jìn)行多級嵌套，提出基于班級選舉的動態(tài)遞階差分進(jìn)化算法。以不確定環(huán)境下具有多極小值的典型 Benchmark 函數(shù)優(yōu)化問題為實例，驗證了算法在不同的噪聲強(qiáng)度因子、設(shè)計變量維度和小組規(guī)模下，都具有較好的搜索性能和魯棒性。
(4)雙重不確定規(guī)劃的魯棒群體智能計算。描述了模糊相關(guān)機(jī)會規(guī)劃模型和隨機(jī)模糊機(jī)會約束規(guī)劃模型；設(shè)計了一種基于模糊模擬的蟻群優(yōu)化算法，證明了該算法的收斂性，并估算期望收斂時間以分析該算法的收斂速度；提出了基于隨機(jī)模糊模擬的病毒感染差分進(jìn)化算法，分析了其收斂性；從不確定環(huán)境、參數(shù)敏感度、初值無關(guān)性、置信水平、抗噪聲干擾等五個測度，分析討論該算法處理不確定雙重規(guī)劃的魯棒性。
(5)空間機(jī)器人隨機(jī)故障容錯軌跡規(guī)劃。分析了兩自由度和六自由度空間機(jī)器人的系統(tǒng)不確定性，基于微分變換法，分析關(guān)節(jié)參數(shù)如桿長與關(guān)節(jié)角度的誤差對軌跡精度的影響；建立了 6 自由度空間機(jī)器人故障容錯軌跡規(guī)劃的隨機(jī)數(shù)學(xué)模型，以加權(quán)最小驅(qū)動力矩為優(yōu)化性能指標(biāo)，涉及故障前后運動學(xué)與動力學(xué)約束限制；用生存自適應(yīng)的蟻群算法求解故障前后的最優(yōu)軌跡，保證機(jī)械臂在發(fā)生故障后能夠繼續(xù)完成后續(xù)的操作任務(wù)，并應(yīng)用機(jī)械系統(tǒng)動力學(xué)分析軟件和虛擬樣機(jī)分析開發(fā)工具 ADAMS，聯(lián)合仿真驗證。
綜上所述，本文為不確定規(guī)劃提出了群體智能計算的理論與方法，具有科學(xué)性和有效性，不僅在理論上值得深入研究，而且還具有較好的工程應(yīng)用價值。
關(guān)鍵詞：不確定規(guī)劃；群體智能；隨機(jī)模糊規(guī)劃；差分進(jìn)化；蟻群算法；容錯故障規(guī)劃；空間機(jī)器人；多元生存分析
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊成為本站會員。會員請登錄后下載。
2. 會員購買金幣50元以下，0.7元/個，50元以上，0.5元/個。具體請看：下載與付款。
3. 會員48小時內(nèi)下載同一文件，不重復(fù)扣金幣。
4. 下載后請用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請看常見問題解答。
下載地址：
|
|
| 相關(guān)畢業(yè)論文（設(shè)計） |
|
|
| 推薦畢業(yè)論文（設(shè)計） |
|
|
|
|
|