粒子群算法邻域拓扑结构研究

粒子群算法(PSO算法)是一种启发式全局优化技术。PSO的邻域拓扑结构是决定粒子群优化算法效果的一个很重要的因素,不同邻域拓扑结构的粒子群算法,效果差别很大。文章分析了邻域拓扑结构与PSO算法的关系,阐述了粒子群算法邻域拓扑结构研究现状,提出了未来可能的研究方向。

基于邻域拓扑结构的目标协同跟踪算法

针对目标跟踪问题,提出一种新的节点协同跟踪方法,通过节点间邻域拓扑结构协同建立各节点的关联性,对目标进行协作监测与跟踪。算法根据节点信息共享时的传播差异,通过节点间的传播概率准确计算各节点捕捉增益,从而确定簇成员,增加了确定目标位置的精度。结合感知区域及最大移动定理界定目标最终移动区域,采用网格法算出区域质心。实验结果证明,与同类方法相比,该算法具有较高的跟踪精度,且跟踪稳定度较好。

不同拓扑结构的并行粒子群优化算法的实现

针对粒子群优化算法的邻域拓扑结构对算法性能有重要影响、PSO算法在CPU上求解最优化问题时计算效率低下这两点,分析了邻域拓扑结构改变时PSO算法的并行特征,实现了环形和星形拓扑结构的PSO算法在统一计算设备架构上的寻优过程。分别在CPU和GPU上用两种PSO算法对7个benchmark测试函数进行求解。程序仿真结果显示,基于CUDA的PSO算法计算效率均大大高于CPU;同时发现,GPU显著地加快了星形结构PSO算法的收敛速度,而对环形结构PSO算法影响不大。