【摘要】：膜計(jì)算是自然計(jì)算的一個(gè)重要分支,其研究的計(jì)算模型被稱為膜系統(tǒng)即P系統(tǒng),具有極大并行性和分布式特點(diǎn)。膜算法是膜計(jì)算中比較熱門的研究方向,主要是將膜系統(tǒng)和各種啟發(fā)式算法相結(jié)合來(lái)解決實(shí)際問(wèn)題,它是膜計(jì)算和實(shí)際應(yīng)用之間的橋梁,目前來(lái)說(shuō),關(guān)于細(xì)胞型和組織型膜算法的研究成果比較多,關(guān)于神經(jīng)型的膜算法研究相對(duì)較少,本文主要研究關(guān)于脈沖神經(jīng)膜系統(tǒng)的膜算法。組合優(yōu)化問(wèn)題是指在給定的約束條件下,求得使目標(biāo)函數(shù)最大或最小的變量組合問(wèn)題。從理論上來(lái)說(shuō),任何一個(gè)組合優(yōu)化問(wèn)題都能夠通過(guò)枚舉法找到最優(yōu)解,但是隨著問(wèn)題規(guī)模的擴(kuò)大,會(huì)出現(xiàn)所謂的組合爆炸問(wèn)題。近年來(lái),啟發(fā)式優(yōu)化算法的出現(xiàn)為解決組合優(yōu)化問(wèn)題提供了一條新的途徑,同時(shí),根據(jù)膜系統(tǒng)的特性,膜系統(tǒng)的高度并行性又能夠進(jìn)一步提高啟發(fā)式算法的效率,所以本文將啟發(fā)式算法與膜系統(tǒng)相結(jié)合,來(lái)解決組合優(yōu)化問(wèn)題。本文從理論和應(yīng)用兩個(gè)方面進(jìn)行了研究,首先提出了局部同質(zhì)的異質(zhì)加權(quán)脈沖神經(jīng)膜系統(tǒng),并通過(guò)模擬注冊(cè)機(jī),研究了該系統(tǒng)的計(jì)算能力,其次將該膜系統(tǒng)與啟發(fā)式算法相結(jié)合,并用來(lái)解決兩種典型的單目標(biāo)組合優(yōu)化問(wèn)題。主要研究?jī)?nèi)容如下:一是依據(jù)神經(jīng)中樞的生物機(jī)制,提出了局部同質(zhì)性的概念,并根據(jù)此概念設(shè)計(jì)了局部同質(zhì)的異質(zhì)加權(quán)脈沖神經(jīng)膜系統(tǒng),然后在產(chǎn)生模式和接收模式下模擬了注冊(cè)機(jī)的工作,證明了局部同質(zhì)的異質(zhì)加權(quán)脈沖神經(jīng)膜系統(tǒng)的計(jì)算通用性。二是提出了優(yōu)化的局部同質(zhì)的異質(zhì)加權(quán)脈沖神經(jīng)膜系統(tǒng)(優(yōu)化IHWSNP系統(tǒng))。首先把SNP系統(tǒng)能夠產(chǎn)生二進(jìn)制語(yǔ)言的特性和所提出的局部同質(zhì)性概念相結(jié)合,設(shè)計(jì)了擴(kuò)展脈沖神經(jīng)膜系統(tǒng)(ESNPS),然后將ESNPS結(jié)合啟發(fā)式優(yōu)化算法,設(shè)計(jì)了優(yōu)化IHWSNP系統(tǒng)。將PSO作為優(yōu)化IHWSNP系統(tǒng)的導(dǎo)向器算法,提出了基于PSO算法的IHWSNP系統(tǒng),解決了置換流水車間調(diào)度問(wèn)題,并且我們?cè)谧C明其可行性的同時(shí),和基本的粒子群算法作對(duì)比,證明了基于PSO算法的IHWSNP系統(tǒng)的有效性。三是進(jìn)一步改進(jìn)了優(yōu)化IHWSNP系統(tǒng),增加了開關(guān)控制器的功能,用控制器內(nèi)規(guī)則來(lái)控制擴(kuò)展脈沖神經(jīng)膜系統(tǒng)集群的激發(fā)與否,仿真實(shí)驗(yàn)結(jié)果表明,此系統(tǒng)能夠有效地解決置換流水車間調(diào)度問(wèn)題中的Rec類問(wèn)題。四是將優(yōu)化IHWSNP系統(tǒng)的改進(jìn)結(jié)構(gòu)與遺傳算法相結(jié)合,提出了基于GA算法的IHWSNP系統(tǒng),用來(lái)解決30個(gè)城市的旅行商問(wèn)題,結(jié)果表明,基于GA算法的IHWSNP系統(tǒng)在尋找最優(yōu)解方面比傳統(tǒng)的遺傳算法更有優(yōu)勢(shì)。
【圖文】：

圖 1-1 粒子群算法速度及位置更新示意圖群規(guī)模等于 ，每個(gè)粒子在 D 維空間中， ( ) ( , -)分別代表第 i 個(gè)粒子的位置和速度，在在第 i 個(gè)粒子的第 j 維上，位置以及速度的更新公式如 ( ) ( ) ( ) . ( )/ . ( )/和 ( )分別代表第 t 步時(shí)，第 i 個(gè)粒子在第 j 維的坐的先前速度對(duì)當(dāng)前個(gè)體影響的慣性權(quán)重，， 1和 2為學(xué)，通常在[0, 2]之間取值。 1和 2是在[0, 1]范圍內(nèi) 變 量 。 , - 個(gè) 體 極

加法模塊的神經(jīng)元
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 齊學(xué)梅;王宏濤;陳付龍;湯其妹;孫云翔;;新穎的阻塞流水車間調(diào)度量子差分進(jìn)化算法[J];計(jì)算機(jī)應(yīng)用;2015年03期

2 李坤;王亞超;田慧欣;;一種求解阻塞流水車間調(diào)度問(wèn)題的分散變鄰域搜索算法[J];系統(tǒng)工程;2014年09期

3 高守瑋;戴楊;劉媛媛;;對(duì)于NEH啟發(fā)式方法搜索鄰域的研究[J];控制工程;2008年02期

4 ;P systems based multi-objective optimization algorithm[J];Progress in Natural Science;2007年04期

相關(guān)博士學(xué)位論文 前1條

1 宋_";脈沖神經(jīng)膜系統(tǒng)的計(jì)算性質(zhì)與應(yīng)用研究[D];華中科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前4條

1 蔣洋;基于膜計(jì)算的聚類算法研究[D];西華大學(xué);2014年

2 李征;基于動(dòng)態(tài)膜計(jì)算的聚類算法[D];河南大學(xué);2013年

3 郭鵬;基于蜂群繁殖算法的流水車間調(diào)度問(wèn)題研究[D];華中科技大學(xué);2012年

4 付杰;受膜計(jì)算啟發(fā)的優(yōu)化算法研究[D];浙江大學(xué);2010年

本文編號(hào)：2637534