本文關(guān)鍵詞：一種新型的智能優(yōu)化算法—人工根系算法，由筆耕文化傳播整理發(fā)布。

【摘要】：優(yōu)化命題廣泛地存在于工業(yè)、農(nóng)業(yè)、國(guó)防、工程、交通、金融、化工、能源、通信、IT等諸多領(lǐng)域。實(shí)踐表明，，同等條件下，經(jīng)過優(yōu)化技術(shù)的處理，對(duì)系統(tǒng)效率的提高、能耗的降低、資源的合理配給和利用及經(jīng)濟(jì)效益的提高等均具有顯著的效果。隨著現(xiàn)代化生產(chǎn)技術(shù)的迅猛發(fā)展，各類工程問題的優(yōu)化計(jì)算越來越復(fù)雜、計(jì)算精度要求也越來越高，基于嚴(yán)格機(jī)理模型的傳統(tǒng)的優(yōu)化方法已無法滿足實(shí)際的生產(chǎn)生活需求。 本文將基于人工智能思想的生物自適應(yīng)體的模式引入求解優(yōu)化命題的過程中，構(gòu)造了一種解決優(yōu)化命題的新模式—人工根系模式，并由該模式形成了一種高效的人工智能優(yōu)化算法—人工根系算法。 文中給出了人工根系算法的原理和詳細(xì)描述，并通過經(jīng)典的優(yōu)化測(cè)試函數(shù)對(duì)算法的收斂性進(jìn)行了分析；將人工根系算法應(yīng)用于求解分析非穩(wěn)定流抽水實(shí)驗(yàn)數(shù)據(jù)、確定各向異性條件下的含水層參數(shù)的優(yōu)化問題中，并得到可靠滿意的結(jié)果；將人工根系算法與人工神經(jīng)網(wǎng)絡(luò)結(jié)合，提出一種新型的判別分析方法，并將之應(yīng)用于具有相似沉積特征及滲流特征的儲(chǔ)集層流動(dòng)單元類型判別中；給出人工根系算法常見的幾種改進(jìn)方法；最后指出人工根系算法的發(fā)展方向。 在算法應(yīng)用過程中我們發(fā)現(xiàn)，人工根系算法具有以下特征： 算法具有快速尋優(yōu)能力，能夠很快收斂于全局最優(yōu)值； 算法具有啟發(fā)式搜索能力，采用局部搜索和全局搜索相結(jié)合的方法； 算法具有穩(wěn)定性，對(duì)于較難找到全局最優(yōu)值的非線性的多模態(tài)函數(shù)算法能夠有效（成功率）找到全局最優(yōu)解； 算法具有并行性的特點(diǎn)，人工根系中各根之間相對(duì)獨(dú)立，多個(gè)根能夠并行地進(jìn)行搜索； 算法具有全局收斂性，算法對(duì)于局部極值具有免疫能力，有很強(qiáng)的跳出局部極值的能力。 根系模式和根系算法從設(shè)計(jì)理念到具體實(shí)施，都與經(jīng)典的優(yōu)化方法有所不同，同時(shí)它又有與傳統(tǒng)的優(yōu)化方法相融合的基礎(chǔ)，易于理解、容易實(shí)現(xiàn)，相信根系算法具有良好的應(yīng)用前景。
【關(guān)鍵詞】：人工智能 生物自適應(yīng)體 優(yōu)化 人工根系算法
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 課題的目的和意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀和進(jìn)展9-13
• 1.2.1 遺傳算法10
• 1.2.2 模擬退火10-11
• 1.2.3 人工神經(jīng)網(wǎng)絡(luò)11
• 1.2.4 粒子群算法11-12
• 1.2.5 差分進(jìn)化算法12
• 1.2.6 人工魚群算法12-13
• 1.3 論文各部分主要內(nèi)容13-14
• 第二章 根系模式概論14-19
• 2.1 人工智能14-15
• 2.2 基于生物行為的自適應(yīng)體15-16
• 2.3 根系模式16-18
• 2.3.1 競(jìng)爭(zhēng)16
• 2.3.2 根的向性生長(zhǎng)16
• 2.3.3 根系行為分析16-17
• 2.3.4 人工根系17
• 2.3.5 問題的解決17-18
• 2.4 本章小結(jié)18-19
• 第三章 基本人工根系算法19-28
• 3.1 前言19-20
• 3.2 人工根系模型(AR- Artificial root)20-21
• 3.2.1 一些定義20
• 3.2.2 根系行為描述20-21
• 3.3 算法描述21-23
• 3.4 仿真實(shí)驗(yàn)研究23-24
• 3.5 與其他智能優(yōu)化算法的比較24-26
• 3.5.1 AR 算法與粒子群算法穩(wěn)定性和收斂精度對(duì)比24-25
• 3.5.2 AR 算法與粒子群算法尋優(yōu)能力對(duì)比25
• 3.5.3 AR 算法與粒子群算法、人工魚群算法收斂速度和穩(wěn)定性對(duì)比25-26
• 3.6 本章小結(jié)26-28
• 第四章 估計(jì)各向異性條件下含水層參數(shù)的 ARO 算法應(yīng)用28-33
• 4.1 引言28
• 4.2 一些基本概念28-29
• 4.2.1 抽水試驗(yàn)基礎(chǔ)28-29
• 4.2.2 目標(biāo)函數(shù)的構(gòu)造29
• 4.3 仿真實(shí)驗(yàn)結(jié)果與初步討論29-32
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)及實(shí)驗(yàn)條件29-30
• 4.3.2 初步討論30-32
• 4.4 本章小結(jié)32-33
• 第五章 基于神經(jīng)網(wǎng)絡(luò)的 AR 算法33-41
• 5.1 引言33-34
• 5.2 基本概念34-35
• 5.2.1 判別分析34-35
• 5.2.2 人工神經(jīng)網(wǎng)絡(luò)35
• 5.3 構(gòu)造目標(biāo)函數(shù)35-37
• 5.4 目標(biāo)函數(shù)優(yōu)化37
• 5.5 判別準(zhǔn)則的確定37-38
• 5.6 實(shí)例驗(yàn)證38-40
• 5.6.1 數(shù)據(jù)的標(biāo)準(zhǔn)化38
• 5.6.2 判別準(zhǔn)則的確定及分類結(jié)果38-40
• 5.7 本章小結(jié)40-41
• 第六章 人工根系算法的改進(jìn)方法41-45
• 6.1 引言41
• 6.2 改進(jìn)的人工根系算法41-42
• 6.2.1 新生根系數(shù)目的動(dòng)態(tài)化調(diào)整41-42
• 6.2.2 搜索半徑 Search_space 態(tài)化調(diào)整42
• 6.3 仿真實(shí)驗(yàn)研究42-43
• 6.4 本章小結(jié)43-45
• 結(jié)論與展望45-46
• 參考文獻(xiàn)46-49
• 攻讀碩士學(xué)位期間取得的研究成果49-50
• 致謝50

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王會(huì);孫合明;;生長(zhǎng)區(qū)域因子基于柯西列的人工根系算法[J];信息技術(shù);2016年05期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 楊陳東;BP-Fisher判別分析法[D];長(zhǎng)安大學(xué);2015年

2 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長(zhǎng)安大學(xué);2015年

  本文關(guān)鍵詞：一種新型的智能優(yōu)化算法—人工根系算法，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：337021