CW-PSO及其在古建筑传感器优化配置中的应用研究.pdf

2682013,49(5)
Computer Engineering and Applications计算机工程与应用
CW-PSO及其在古建筑传感器优化配置中的应用研究
路杨,张晓雨2
LU Yang, ZHANG Xiaoli
1.河南大学计算中心,河南开封475000
2.河南大学计算机与信息工程学院,河南开封475000
1. Computing Center, Henan University, Kaifeng, Henan 475000, China
2.School of Computer and Information Engineering, Henan University, Kaifeng, Henan 475000, China
LU Yang, ZHANG Xiaoli, Particle swarm optimization based on cosine adaptive adjusting inertia weight and its applica
tion research in optimal sensor placement off historic architecture. Computer Engineering and Applications, 2013, 49(5)
268-270,
Abstract: Aiming at the premature convergence problem and unbalance of global search and local search in particle swarm opti-
mization algorithm, this paper proposes a particle swarm optimization algorithm based on cosine adaptive adjusting inertia
weight. The improved particle swarm optimization is applied in optimal sensor placement of wooden historic architecture. Simu-
tion results show that it can avoid premature convergence to an extent, improve the global search ability and obtain accurate
results of optimization by simulat
Key words: particle swarm optimization algorithm; inertia weight: wooden historic architecture; optimal sensor placement
要:针对拉子群优化算法容易陷入早熟收敛以及全局搜索和局部搜索平衡能力差等缺点,提出了基于余弦自适应调
整惯性权重的粒子群优化算法( CW-PSO),并将其应用在木构古建筑传感器优化配置中。仿真结果表明,该算法在一定程
度上避免了早热收敛,提高了全局和局部搜索性能,又能得到較为精确的寻优结果
关键词;粒子群优化算法;惯性权重;木构古建筑;传感器优化配置
文款标志码:A中图分癸号:TP39doi:10.3785is.1002-8331.1209-0029
引言
2标准粒子群算法描述
近几年来,在文物保护方面,木构古建筑本体及其环
粒子群优化算法( Particle Swarm Optimization,PSO
境的监测显得越来越重要。通过对木构古建筑进行监测,是 Kennedy和 Ebcrhart于1995年提出的种基于种群搜索
可以为文物建筑的维护方案提供可靠和必要的数据。环策略的全局优化进化算法,它模拟鸟类的觅食行为,通过
境监测是建筑结构健康监测的重要部分,传感器优化配置个体间的协作和竞争实现最优解的搜索。在求解优化问
是儙康监的基础。如何将有限数量的传感器布置在合题时,算法首先初始化产生一群随机粒子,在解决实际问
适的节点上并获得较为全面的信息是目前键康监测领域题中粒子代表问题的一个可能解。粒子群优化算法是基
研究的热点之
于群体和适应度的,在迭代过程中,通过粒子的适应度函
粒子群优化算法(PSO)是一种基于群智能的全局优化数值来评价粒子的优劣。每个粒子具有位置和速度两个
方法它源于对鸟群觅食运动行为的模拟。目前已广泛特征假设粒子在D维的目标搜索空间中飞行,那么第个
应用于函数优化、神经网络训练、组合优化?、模式分粒子的位置表示为
类和模糊控制以及工程应用等领域。但是它存在局部
X()={xnA()xa(),…,xD)
搜索能力较差,搜索精度不高并且容易早熟等问题。为了
第个粒子的速度表示为:
提高算法的性能,研究者在PSO算法的参数以及与其他算
()={va(),v2(の
法相结合方面做了很多研究
粒子当前搜索到的最优值称为个体极值,当前群体最
基金項目:国家青年基金(No.61203094);河南省科技攻关(No.122102210052)
作者筒介:路杨(1972-),女,博土.副教授,主要研究方向:模式识别、数据挖融;张晓丽(1987ー),女,硬士生,主要研究方向:模式识别
数据挖堀。E-mail:kangkangiao200f@l63.com
收门期:2012-09-10修回日期:2012-12-06文章号:1002-8331(2013)05-0268-03
万方数据