蟻獅算法是受自然界蟻獅狩獵螞蟻行為啟發(fā)提出的一類群智能優(yōu)化算法。蟻獅算法模擬蟻獅幼蟲構(gòu)建陷阱、螞蟻隨機(jī)游走和蟻獅狩獵螞蟻等行為,具有全局搜索能力。蟻獅算法作為一類新型仿生群智能優(yōu)化算法,具有原理簡單、易于使用、搜索效率和收斂精度高等優(yōu)點。本文在前人的研究基礎(chǔ)上,對蟻獅算法進(jìn)行改進(jìn)研究,并將其用于求解化工過程建模優(yōu)化問題中。本文的主要工作如下:（1）提出了一種改進(jìn)的自適應(yīng)蟻獅算法。該算法針對基本蟻獅算法存在的缺點,引入了自適應(yīng)蟻獅權(quán)重系數(shù)并改變了蟻獅陷阱范圍參數(shù),以平衡算法的全局搜索能力和局部搜索能力。通過典型測試函數(shù)的尋優(yōu)實驗驗證了所提算法的有效性。（2）提出了一種基于樹和種子搜索策略的蟻獅算法。該算法利用樹和種子算法的局部搜索策略,通過控制參數(shù)ST確定個體的進(jìn)化方式,提高了算法的局部搜索能力。通過典型測試函數(shù)的尋優(yōu)實驗和求解超臨界水氧化反應(yīng)動力學(xué)模型參數(shù)辨識問題,結(jié)果驗證了該算法的有效性。（3）提出了一種改進(jìn)的混合差分蟻獅算法。該算法將差分算子和交叉概率引入蟻獅算法,以提高算法的搜索精度;并利用種群的進(jìn)化信息,自適應(yīng)調(diào)整蟻獅權(quán)重系數(shù),改善了算法的魯棒性和搜索效率。將所提算法用于典型測... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１ＡＬ０流程圖??蟻獅算法的步驟如下：??①首先進(jìn)行初始化設(shè)置，設(shè)置初始種群大小、迭代次數(shù)、蟻獅陷阱大小等參??

入局部最優(yōu)，側(cè)重于全局的隨機(jī)搜索上；而在算法迭代后??期，需要提高向最優(yōu)點附近收斂的能力，側(cè)重于局部的收斂能力上。本章為了提??高算法的搜索效率和自適應(yīng)能力，基于文獻(xiàn)［３５］的自適應(yīng)變化曲線，提出一種自??適應(yīng)蟻獅權(quán)重系數(shù)公式如下式：??（?ｆ?，?丫、??？?＝?（？ｍａｘ－？ｍｉｎ）ＸｅＸＰ?－１０ｘ?＋?＾?（２＇２）??、?Ｖ?１?ｍａｘ?Ｊ?Ｊ??式中，？ｍｍ＝０．２，？ｍａｘ＝０．８，?ｆ為當(dāng)前迭代次數(shù)；Ｕ為算法最大迭代次數(shù)。自??適應(yīng)權(quán)重系數(shù)隨迭代次數(shù)變化曲線如圖２．１所示。??０．８??－＝＾—?．?■?，???°７＇?＼??５?０．５?．?＼??０．４?■?＼?？??０．３?■??０．２??＇?１?＇￣????０?０．２?０．４?０．６?０．８?１??ｔ／Ｔ??ｍａｘ??圖２．１自適應(yīng)權(quán)重系數(shù)變化曲線??在算法迭代前期自適應(yīng)蟻獅權(quán)重系數(shù)較大，側(cè)重于輪盤賭選擇的蟻獅產(chǎn)生的??影響力，提高種群進(jìn)化的隨機(jī)性，隨著迭代次數(shù)的增加，蟻獅權(quán)重系數(shù)自適應(yīng)減??小，在算法迭代后期，自適應(yīng)蟻獅權(quán)重系數(shù)保持較小的數(shù)值，側(cè)重于精英蟻獅產(chǎn)??生的影響力，提高算法的局部收斂能力。??２．２．２改進(jìn)的螞蟻隨機(jī)游走策略??基本蟻獅算法計算時間復(fù)雜度較高，在螞蟻隨機(jī)游走的進(jìn)化計算公式中，基??本蟻獅算法使用累積和作為媽蟻隨機(jī)游走步長的系數(shù)，由］．２．２節(jié)公式（１．５）、（１．６）、??（１．７）可知，每一只螞蟻在每一維度的隨機(jī)游走過程中，都需要計算一次累積和??矩陣，造成了較大的計算量。為減少算法的計算量，本章采用－１到１的隨??１４??

浙江大學(xué)碩士學(xué)位論文?第２章改進(jìn)自適應(yīng)蟻梆庫法??（ｃ（Ａ＇?）－ａ，）??機(jī)數(shù)替代公式（１．７）中的１〉使用隨機(jī)維度替代原算法的每一維度。??＼ｂｊ－ａｊ）??螞蟻在陷阱周圍隨機(jī)游走過程中，陷阱范圍隨著迭代次數(shù)的增加會逐漸縮小，??使螞蟻滑入陷阱。陷阱范圍限制了螞蟻隨機(jī)游走的行動范圍，陷阱半徑實際上就??是螞蟻隨機(jī)游走的最大步長，根據(jù)公式（１．９），基本蟻獅算法的陷阱縮小系數(shù)的變??化曲線如圖２．２所示。??１０°?１￣￣￣■?■???????１０＊２?？??￣?＇???——，??１〇４??１０＿６??１?＊?Ｊ?＇???０?０．２?０．４?０．６?０．８?１??ｔｒｒ??ｍａｘ??圖２．２基本蟻Ｗ算法陷阱縮小系數(shù)??基本蟻獅算法的陷阱縮小系數(shù)變化曲線實際上是一個分段函數(shù)，在分段處不??連續(xù)，嘗試使用連續(xù)函數(shù)替代原縮小系數(shù)來改善算法收斂性能，改逬的陷阱縮小??系數(shù)如公式（２．３），對應(yīng)的變化曲線如圖２．３所示。??＝?ｊ?＋?ｅ２〇ｘ（，／？？？＿，－ｏｓ）?（２．３）??Ｉ?Ａ?Ｉ??０．８?■?＼??０．６?．?＼??５?＼??０．４?■?＼??°２?Ｖ?■??０??丄?１?［一＾？＾???０?０．２?０．４?０．６?０．８?１??ｔ／Ｔ??ｍａｘ??圖２．３陷阱范圍系數(shù)變化曲線??１５??

【參考文獻(xiàn)】：
期刊論文
[1]混合模擬退火與蟻獅優(yōu)化的圖像匹配方法[J]. 張煥龍,高增,張秀嬌,史坤峰.  計算機(jī)科學(xué). 2019(06)
[2]基于柯西變異的蟻獅優(yōu)化算法[J]. 于建芳,劉升,韓斐斐,肖子雅.  微電子學(xué)與計算機(jī). 2019(06)
[3]基于曲線自適應(yīng)和模擬退火的蝗蟲優(yōu)化算法[J]. 李洋州,顧磊.  計算機(jī)應(yīng)用研究. 2019(12)
[4]基于改進(jìn)蟻獅算法的無人機(jī)三維航跡規(guī)劃[J]. 黃長強(qiáng),趙克新.  電子與信息學(xué)報. 2018(07)
[5]基于改進(jìn)蟻獅算法的電力系統(tǒng)最優(yōu)潮流計算[J]. 栗然,張凡,靳保源,范航,童煜棟,嚴(yán)敬汝.  電力科學(xué)與工程. 2017(09)
[6]雙重反饋機(jī)制的蟻獅算法[J]. 吳偉民,張晶晶,林志毅,蘇慶.  計算機(jī)工程與應(yīng)用. 2017(12)
[7]一種采用改進(jìn)蟻獅優(yōu)化算法的圖像增強(qiáng)方法[J]. 李宗妮,吳偉民,林志毅.  計算機(jī)應(yīng)用研究. 2018(04)
[8]基于ALO-ENN算法的洪災(zāi)評估模型及應(yīng)用[J]. 崔東文,王宗斌.  人民珠江. 2016(05)
[9]帶混沌偵查機(jī)制的蟻獅優(yōu)化算法優(yōu)化SVM參數(shù)[J]. 趙世杰,高雷阜,于冬梅,徒君.  計算機(jī)科學(xué)與探索. 2016(05)
[10]一種改進(jìn)的人工魚群算法[J]. 王聯(lián)國,洪毅,趙付青,余冬梅.  計算機(jī)工程. 2008(19)

博士論文
[1]智能優(yōu)化算法評價模型研究[D]. 楊勁秋.浙江大學(xué) 2011
[2]基于進(jìn)化算法的復(fù)雜化工過程智能建模方法及其應(yīng)用[D]. 許偉.華東理工大學(xué) 2011

碩士論文
[1]基于差分進(jìn)化的智能優(yōu)化算法研究[D]. 童旅楊.桂林理工大學(xué) 2018



本文編號：2953633