發(fā)布時間：2020-10-28 16:20

　　 隨著優(yōu)化問題復雜性的增加,未知變量變多、目標函數(shù)結構復雜、約束條件龐大、維度較高,使得優(yōu)化問題的規(guī)模均呈爆炸式增長,變量之間的關系更加復雜,其求解難度日益增加。群智能算法作為一種元啟發(fā)式算法,因其參數(shù)簡單、不依賴于具體優(yōu)化問題、全局搜索能力強、具有一定學習能力等優(yōu)點得到廣泛的應用,并在大量優(yōu)化問題中取得成功。鯨魚優(yōu)化算法是近年新提出的基于群體的元啟發(fā)式算法,已被證明在部分優(yōu)化問題和工程應用上優(yōu)于其它群智能算法。本文對鯨魚優(yōu)化算法展開研究,并將改進的鯨魚優(yōu)化算法應用到高維函數(shù)優(yōu)化問題和片上網(wǎng)絡映射優(yōu)化問題中。本文主要做了以下研究工作:(1)分別介紹了高維函數(shù)優(yōu)化問題和較大規(guī)模片上網(wǎng)絡映射優(yōu)化問題,前者為連續(xù)優(yōu)化問題,后者為離散優(yōu)化問題。對兩種優(yōu)化問題的背景和發(fā)展現(xiàn)狀進行了詳盡的闡述,對現(xiàn)有的成果進行了分析和評價。此外,針對不同大規(guī)模優(yōu)化問題指出了其亟待解決的問題和面臨的挑戰(zhàn)。(2)對經(jīng)典的群智能算法進行詳盡的闡述并進行了比較,給出其生物背景和仿生學原理。詳細分析了鯨魚優(yōu)化算法,總結了不同搜索策略在尋優(yōu)過程中的特點與作用,同時分析了其在大規(guī)模優(yōu)化問題中的局限性。針對鯨魚算法的局限性,從開發(fā)和探索的角度詳細介紹了本文采用的改進策略。(3)針對高維連續(xù)優(yōu)化問題,提出了改進的鯨魚優(yōu)化算法(MWOA)并通過解決大規(guī)模函數(shù)優(yōu)化問題證明其有效性。所提算法采用二次插值算子增加種群的多樣性,引導搜索代理在當前最優(yōu)解的鄰域進行精細搜索,增強算法的開發(fā)能力;利用Levy飛行短距離游走并偶有長距離跳躍的特點跳出局部最優(yōu),避免算法早熟收斂;用非線性參數(shù)替代線性參數(shù)控制搜索進程,加快種群收斂并更好的均衡開發(fā)能力和探索能力。仿真結果證明,相比較于當前較新的四種改進算法,該算法對于高維函數(shù)優(yōu)化問題的求解十分有效,在收斂速度、尋優(yōu)精度、整體性能等方面均大幅提高。(4)片上網(wǎng)絡的映射問題要求IP核與網(wǎng)絡節(jié)點之間一一對應,故該優(yōu)化問題是離散的且具有約束條件,因此群智能算法不能直接進行應用。本文提出一種基于遺傳算法和鯨魚優(yōu)化算法的映射方法(WOAGA),該算法具有良好的穩(wěn)定性且能夠實現(xiàn)片上網(wǎng)絡能耗最小化。該算法采用改進的兩點交叉算子進行信息的交替互換,增加種群的多樣性;利用變異算子引入新的基因以避免搜索代理停滯于局部最優(yōu),從而增強全局搜索能力;結合鯨魚算法的參數(shù)設計,使算法隨著搜索進程的推進改變搜索的側重點,更好的滿足不同搜索階段的要求。仿真實驗證明了所提算法解決較大規(guī)模片上網(wǎng)絡映射優(yōu)化問題的有效性。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP18;TN47
【部分圖文】：

二維Mesh片上網(wǎng)絡映射

圖 4.12 不同算法大規(guī)模片上網(wǎng)絡映射優(yōu)化結果最優(yōu)值和均值的角度，所提算法 WOAGA 對實際應用能耗最小的映射方案，用于對比的遺傳算法、蟻群算法現(xiàn)較好，且隨著優(yōu)化問題規(guī)模的增長，遺傳算法和隨機
【相似文獻】

相關期刊論文 前10條

1 黃逸;;算法結構與設計教學中的若干思考[J];中學數(shù)學雜志;2008年05期

2 何永生;;算法結構考查“三角度”[J];中學生數(shù)理化(高一);2017年01期

3 丁忒;;“算法的概念”教學設計[J];中國數(shù)學教育;2017年Z2期

4 王靖亞;;算法結構對其性能的影響研究[J];計算機教育;2005年10期

5 裴承鳴;黎中偉;;ARMA過程的遞推線性估計及其應用[J];西北工業(yè)大學學報;1987年02期

6 胡平;;試論濾波器的算法結構[J];河北機電學院學報;1987年01期

7 黃繼進;;快速DFT計算——基于遞歸割圓因式分解的新算法[J];計算機應用與軟件;1988年05期

8 鄭容;;時域加權FFT算法(WTTA)[J];信號處理;1988年04期

9 乞敬換;王秀峰;;具有阻塞的串行生產(chǎn)線“線性”狀態(tài)方程描述及擾動分析新算法[J];系統(tǒng)工程學報;1989年02期

10 王靖亞;;算法結構對其性能的影響研究[J];中國人民公安大學學報(自然科學版);2005年04期

相關博士學位論文 前6條

1 石人剛;位置靈敏γ成像定位算法技術研究[D];中國工程物理研究院;2019年

2 鐘軼君;分片稀疏恢復理論及算法[D];大連理工大學;2018年

3 張慧君;三元M/B/Si功能化合物的第一性原理計算方法研究[D];燕山大學;2017年

4 熊丙章;高中生的算法理解水平及其教學策略研究[D];西南大學;2013年

5 楊樂嬋;基于GEP算法和高光譜數(shù)據(jù)的植物主要理化參數(shù)估算研究[D];南京大學;2017年

6 張超;混合群智能優(yōu)化算法研究及應用[D];北京科技大學;2018年

相關碩士學位論文 前10條

1 丁鑫;高效k近鄰算法及其MPI并行化的研究[D];重慶郵電大學;2019年

2 胡歆宸;《今日頭條》算法推薦媒介倫理問題研究[D];湘潭大學;2019年

3 梅陽陽;基于網(wǎng)絡行為的用戶畫像算法研究[D];廣東技術師范大學;2019年

4 王曦璐;改進鯨魚算法在函數(shù)優(yōu)化和片上網(wǎng)絡中的應用[D];西安電子科技大學;2019年

5 張楚濱;混合條件穩(wěn)定FDTD算法研究[D];華南理工大學;2019年

6 趙書鋒;大規(guī)模MIMO系統(tǒng)上行鏈路低復雜度信號檢測算法研究[D];重慶郵電大學;2018年

7 葉偉;Massive MIMO系統(tǒng)中上行信號的檢測算法研究[D];重慶郵電大學;2018年

8 蔡佳然;復雜背景下基于深度學習的行人檢測算法研究[D];華南理工大學;2019年

9 陳奇華;針對小目標的深度學習行人檢測算法研究[D];華南理工大學;2019年

10 何姣姣;多尺度并行通道級聯(lián)網(wǎng)絡的行人檢測算法研究[D];長安大學;2019年

本文編號：2860325