群智能和人工生命都是目前智能領(lǐng)域非�；钴S的新興研究領(lǐng)域,他們通過(guò)對(duì)自然界生命現(xiàn)象的模擬,在不同層次上揭示了生命進(jìn)化規(guī)律,為人們揭示生命現(xiàn)象和進(jìn)化規(guī)律,解決復(fù)雜系統(tǒng)的復(fù)雜行為提供了新的思路。對(duì)人工生命和群智能的研究、開(kāi)發(fā)和實(shí)際應(yīng)用將促進(jìn)生命科學(xué)、信息科學(xué)、系統(tǒng)科學(xué)等學(xué)科更深層的交流和發(fā)展,同時(shí)也將對(duì)社會(huì)科學(xué)產(chǎn)生深遠(yuǎn)的影響,并且兩者的研究必將在更廣泛的領(lǐng)域和層次上得到拓展。本文基于群智能和人工生命的方法,選擇了自然界的蜜蜂作為研究對(duì)象進(jìn)行仿真和研究。試圖通過(guò)計(jì)算機(jī)仿真方法來(lái)建立一個(gè)具有自然界蜂群所擁有特性的人工生物系統(tǒng),并用圖形化的方式進(jìn)行展示。本文首先對(duì)群智能和人工生命等理論進(jìn)行了學(xué)習(xí),對(duì)常見(jiàn)的仿生算法進(jìn)行研究與對(duì)比。其次,通過(guò)對(duì)自然界蜜蜂的行為進(jìn)行了抽象、歸納和總結(jié),詳細(xì)地對(duì)蜜蜂的搜索蜜源、為蜜源招募、放棄蜜源以及季節(jié)變化對(duì)蜂群的影響等幾個(gè)部分進(jìn)行分析,然后提出了基于慣性權(quán)重與動(dòng)態(tài)視野的蜂群算法。實(shí)驗(yàn)結(jié)果表明該算法是有效可行的,慣性權(quán)重可以使蜜蜂保持運(yùn)動(dòng)慣性并消除蜜蜂對(duì)方向選擇的盲目性,動(dòng)態(tài)視野可以提高算法的收斂速度以及尋優(yōu)精度。論文還建立了蜂群行為的3維仿真平臺(tái)。在仿真實(shí)驗(yàn)中設(shè)置了不... 

【文章來(lái)源】：華東理工大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景
    1.2 蜂群算法的研究進(jìn)展
    1.3 本文研究的內(nèi)容及意義
第2章 相關(guān)理論
    2.1 群智能
        2.1.1 群智能的概念
        2.1.2 群智能研究動(dòng)態(tài)
    2.2 人工生命
        2.2.1 人工生命的概念
        2.2.2 人工生命研究動(dòng)態(tài)
    2.3 群智能與人工生命的關(guān)系
    2.4 常見(jiàn)的仿生算法
        2.4.1 蟻群算法
        2.4.2 魚(yú)群算法
第3章 基于慣性權(quán)重與動(dòng)態(tài)視野的蜂群算法
    3.1 現(xiàn)實(shí)中的蜜蜂
        3.1.1 蜜蜂的形態(tài)特征
        3.1.2 蜜蜂的行為特征
    3.2 蜂群行為分析與研究
        3.2.1 搜索蜜源
        3.2.2 為蜜源招募
        3.2.3 放棄蜜源
        3.2.4 季節(jié)變化
    3.3 基于慣性權(quán)重與動(dòng)態(tài)視野的蜂群算法(WPABC)
        3.3.1 蜂群算法基本原理
        3.3.2 數(shù)學(xué)模型
    3.4 WPABC實(shí)驗(yàn)分析
        3.4.1 參數(shù)的選取分析
        3.4.2 算法分析
第4章 蜂群行為的實(shí)驗(yàn)仿真與結(jié)果分析
    4.1 建立仿真模型
        4.1.1 模型的基本元素
        4.1.2 整體框架
        4.1.3 蜂群仿真
    4.2 仿真結(jié)果分析
第5章 總結(jié)
參考文獻(xiàn)
致謝
附錄A 碩士期間發(fā)表論文


【參考文獻(xiàn)】：
期刊論文
[1]基于混沌優(yōu)化的雙種群人工蜂群算法[J]. 王珊,顧幸生.  上海電機(jī)學(xué)院學(xué)報(bào). 2012(01)
[2]改進(jìn)的人工蜂群算法求解任務(wù)指派問(wèn)題[J]. 孫曉雅,林焰.  微電子學(xué)與計(jì)算機(jī). 2012(01)
[3]具有混沌搜索策略的蜂群優(yōu)化算法[J]. 羅鈞,李研.  控制與決策. 2010(12)
[4]基于群智能和人工生命的群體行為動(dòng)畫(huà)仿真[J]. 葛勝武,介婧.  電腦開(kāi)發(fā)與應(yīng)用. 2010(08)
[5]蜂群算法在裝備維修任務(wù)調(diào)度中的應(yīng)用[J]. 王浩,湯再江,范銳.  計(jì)算機(jī)工程. 2010(07)
[6]基于遺傳交叉因子的改進(jìn)蜂群優(yōu)化算法[J]. 羅鈞,樊鵬程.  計(jì)算機(jī)應(yīng)用研究. 2009(10)
[7]自適應(yīng)視野和步長(zhǎng)的改進(jìn)人工魚(yú)群算法[J]. 劉彥君,江銘炎.  計(jì)算機(jī)工程與應(yīng)用. 2009(25)
[8]改進(jìn)人工蜂群算法及其在反演分析中的應(yīng)用[J]. 康飛,李俊杰,許青,張運(yùn)花.  水電能源科學(xué). 2009(01)
[9]蜂群算法在TSP問(wèn)題上的應(yīng)用及參數(shù)改進(jìn)[J]. 丁海軍,李峰磊.  中國(guó)科技信息. 2008(03)
[10]群智能理論及應(yīng)用研究[J]. 馮靜,舒寧.  計(jì)算機(jī)工程與應(yīng)用. 2006(17)

博士論文
[1]一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]人工蜂群算法的混合策略研究[D]. 暴勵(lì).太原科技大學(xué) 2010
[2]人工蜂群算法及其在組合優(yōu)化中的應(yīng)用研究[D]. 鄭偉.太原科技大學(xué) 2010
[3]蜂群遺傳算法的研究[D]. 吳迪.延邊大學(xué) 2006



本文編號(hào)：3604135