群智能優(yōu)化算法作為興起的搜尋方法,其為有效地解決大規(guī)模復(fù)雜優(yōu)化問(wèn)題開(kāi)辟了新的途徑,從而受到了諸多學(xué)者的關(guān)注。蜘蛛猴優(yōu)化算法通過(guò)模擬蜘蛛猴的覓食行為而興起,基于裂變?nèi)诤仙鐣?huì)結(jié)構(gòu)這一特點(diǎn)使得該算法越來(lái)越受歡迎,尤其在解決高維優(yōu)化問(wèn)題上也具有一定的優(yōu)勢(shì)。本論文在研究基本蜘蛛猴算法的基礎(chǔ)上,提出了兩種改進(jìn)蜘蛛猴算法,并將其應(yīng)用到求解與生活息息相關(guān)的物流中心選址問(wèn)題。本論文的主要研究工作如下:1.提出了基于Cauchy變異算子的自適應(yīng)蜘蛛猴算法,并將其用來(lái)求解一般的物流中心選址問(wèn)題。利用基于迭代次數(shù)的相位因子來(lái)取代隨機(jī)數(shù),使得相位因子隨迭代次數(shù)的增加而減小,從而相位因子在迭代初期較大,有利于全局探索,在迭代后期較小,可以充分進(jìn)行局部開(kāi)發(fā),改善了算法的隨機(jī)性,增強(qiáng)了算法的尋優(yōu)能力;在全局領(lǐng)導(dǎo)階段加入了非線性動(dòng)態(tài)變換的學(xué)習(xí)因子,使蜘蛛猴的位置更新具有了自適應(yīng)性,進(jìn)一步平衡了算法的全局探索與局部搜索能力;在局部領(lǐng)導(dǎo)決策階段中采用了 Cauchy變異策略,對(duì)蜘蛛猴施加擾動(dòng),增加了種群的多樣性,避免算法在后期陷入局部最優(yōu)。在仿真中,選取基準(zhǔn)測(cè)試函數(shù)進(jìn)行測(cè)試,并與其他智能算法比較,仿真實(shí)驗(yàn)結(jié)果表明提出的算法...

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 課題的研究背景及意義
    1.2 課題的研究進(jìn)展
    1.3 論文結(jié)構(gòu)
2 預(yù)備知識(shí)
    2.1 群智能優(yōu)化算法
        2.1.1 差分進(jìn)化算法
        2.1.2 粒子群算法
        2.1.3 猴群算法
    2.2 蜘蛛猴算法
        2.2.1 蜘蛛猴算法的概述
        2.2.2 蜘蛛猴算法的原理
        2.2.3 蜘蛛猴算法的步驟及流程圖
        2.2.4 自適應(yīng)蜘蛛猴算法
        2.2.5 基于適應(yīng)性位置更新的蜘蛛猴算法
        2.2.6 基于冪律局部搜索的蜘蛛猴算法
    2.3 小結(jié)
3 基于Cauchy變異算子的自適應(yīng)蜘蛛猴算法及求解一般物流中心選址問(wèn)題
    3.1 基于Cauchy變異算子的自適應(yīng)蜘蛛猴算法
        3.1.1 算法分析
        3.1.2 改進(jìn)算法
        3.1.3 算法設(shè)計(jì)
        3.1.4 時(shí)間復(fù)雜度
    3.2 函數(shù)仿真
    3.3 一般物流中心選址問(wèn)題
        3.3.1 模型
        3.3.2 求解步驟
        3.3.3 仿真
    3.4 小結(jié)
4 基于Laplace分布的偽反向蜘蛛猴算法求解應(yīng)急物流中心選址問(wèn)題
    4.1 引言
    4.2 應(yīng)急物流中心選址模型
    4.3 基于Laplace分布的偽反向蜘蛛猴算法
        4.3.1 算法分析
        4.3.2 改進(jìn)算法
        4.3.3 算法設(shè)計(jì)過(guò)程
        4.3.4 時(shí)間復(fù)雜度
    4.4 求解應(yīng)急物流中心選址問(wèn)題
    4.5 數(shù)值仿真
        4.5.1 測(cè)試函數(shù)
        4.5.2 應(yīng)急物流中心選址問(wèn)題仿真
    4.6 小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果
攻讀碩士學(xué)位期間參與的項(xiàng)目



本文編號(hào)：3915554