【摘要】：優(yōu)化是應(yīng)用數(shù)學(xué)和計算科學(xué)領(lǐng)域中的重要研究分支,元啟發(fā)式算法已經(jīng)成為優(yōu)化領(lǐng)域最熱門的研究方向之一。隨著計算機(jī)技術(shù)的不斷發(fā)展,越來越多新穎高效的元啟發(fā)式算法已經(jīng)被廣泛應(yīng)用于多個工程應(yīng)用領(lǐng)域�；厮菟阉鲀�(yōu)化算法(BSA)是一種基于種群的新興元啟發(fā)式算法,其獨(dú)具特色的記憶歷史種群功能使得該算法在每次進(jìn)化過程中能夠同時利用當(dāng)代信息和歷史信息,此外BSA還擁有較強(qiáng)隨機(jī)性的變異算子和依概率調(diào)用的雙交叉機(jī)制,這些優(yōu)點(diǎn)使得BSA具有強(qiáng)大的全局勘探能力。然而,BSA仍然存在不足:一方面,BSA的變異控制參數(shù)波動范圍過大,易造成算法局部開采能力的不足,影響了收斂速度;另一方面,當(dāng)歷史信息和當(dāng)代信息趨于相同時,算法易陷入局部最優(yōu)。為此,本文在對BSA的改進(jìn)和應(yīng)用研究進(jìn)行了全面地綜述后,提出了兩種基于自然啟發(fā)的改進(jìn)BSA以提高算法的優(yōu)化性能,并將改進(jìn)算法應(yīng)用于實際約束工程優(yōu)化問題的求解中,主要研究工作如下:1.介紹了BSA的設(shè)計原理和算法框架,分析了該算法的優(yōu)缺點(diǎn),并系統(tǒng)地綜述了BSA的改進(jìn)及其應(yīng)用研究,為后續(xù)的算法改進(jìn)研究提供了一定的基礎(chǔ);為檢驗BSA的性能,提出了基于BSA不等距節(jié)點(diǎn)分割的數(shù)值積分方法并用于求解復(fù)雜數(shù)值積分算例,算例的結(jié)果說明了BSA的性能較同類算法具有更強(qiáng)競爭力。2.針對BSA的變異控制參數(shù)(F)波動幅度較大從而影響收斂速度這一不足,提出了一種受模擬退火啟發(fā)的改進(jìn)回溯搜索優(yōu)化算法(BSAISA)。通過學(xué)習(xí)模擬退火中的接受概率特性,重新設(shè)計了一種能夠自適應(yīng)減小的F值,該策略能夠為算法在迭代前期的全局勘探和后期局部開采提供一個有效權(quán)衡。在兩套約束優(yōu)化測試集上的實驗結(jié)果驗證了改進(jìn)算法的優(yōu)秀性能。3.為進(jìn)一步提高算法的性能,在BSAISA的改進(jìn)研究基礎(chǔ)上,又引入了一種新的自然啟發(fā)改進(jìn)策略,即物種進(jìn)化規(guī)則,進(jìn)而,提出了受模擬退火思想和物種進(jìn)化規(guī)則而啟發(fā)的新改進(jìn)回溯搜索優(yōu)化算法(SSBSA)。新的改進(jìn)策略借鑒了物種進(jìn)化規(guī)則中的指定保留機(jī)制,利用適應(yīng)度反饋信息的指導(dǎo),保留前代指定的歷史種群oldP和參數(shù)F到下次迭代中,這種獨(dú)特的保留機(jī)制可以提高BSA的局部開采能力并有效避免了算法陷入局部最優(yōu)。SSBSA在若干約束工程優(yōu)化問題上進(jìn)行了仿真實驗,實驗結(jié)果驗證了SSBSA的性能優(yōu)于BSAISA和BSA;而且,其與其他同類算法的對比結(jié)果,驗證了該算法在收斂速度方面更具競爭力。
【圖文】：

1 的積分值及相對誤差值rrors calculated by four methods for case 1.DE 法相對誤差BSA 法相對誤差精確值7 2.6667 0 2.6667 0 2.66670 6.3995 0.0005 6.4000 0 6.40001 2.9580 0.0001 2.9579 0 2.95791 1.0990 0.0004 1.0986 0 1.09861 1.4160 0.0001 1.4161 0 1.41614 6.3890 0.0001 6.3891 0 6.3891精確值，“粗體”指該問題的最優(yōu)結(jié)果，，下同。

1 1.4160 0.0001 1.4161 0 1.41614 6.3890 0.0001 6.3891 0 6.3891精確值，“粗體”指該問題的最優(yōu)結(jié)果，下同。圖 2-2 本文算法計算例 2 的積分誤差曲線Fig. 2-2 The integral error curve of theproposed algorithm for case 2
【學(xué)位授予單位】：長江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳曦;劉三陽;王巖;;基于改進(jìn)回溯搜索優(yōu)化算法的應(yīng)急資源調(diào)度[J];計算機(jī)應(yīng)用與軟件;2015年12期

2 鄭靜娜;李紅玉;鄭斯文;陳躍寧;吳新杰;;利用回溯搜索優(yōu)化算法(BSA)測量圓度誤差[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2015年04期

3 崔東文;黃恩奎;;基于回溯搜索優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)年徑流預(yù)測[J];人民珠江;2015年05期

4 魏中海;魏慶國;;基于回溯搜索優(yōu)化算法的運(yùn)動想象腦機(jī)接口頻帶選擇[J];科學(xué)技術(shù)與工程;2015年14期

5 田文凱;;一種高效自學(xué)習(xí)性回溯搜索優(yōu)化算法[J];電子科技;2015年02期

6 尹雨山;王李進(jìn);尹義龍;王冰清;趙文婷;徐云龍;;回溯搜索優(yōu)化算法輔助的多閾值圖像分割[J];智能系統(tǒng)學(xué)報;2015年01期

7 田文凱;劉三陽;王曉娟;;基于差分進(jìn)化的回溯搜索優(yōu)化算法研究與改進(jìn)[J];計算機(jī)應(yīng)用研究;2015年06期

8 李牧東;趙輝;翁興偉;;具有廣泛學(xué)習(xí)策略的回溯搜索優(yōu)化算法[J];系統(tǒng)工程與電子技術(shù);2015年04期

9 彭春華;謝鵬;黃戡;;計及入網(wǎng)電動汽車不確定性的電網(wǎng)魯棒優(yōu)化調(diào)度[J];華東電力;2014年10期

10 王曉娟;劉三陽;田文凱;;帶高效變異尺度系數(shù)和貪婪交叉策略的回溯搜索優(yōu)化算法[J];計算機(jī)應(yīng)用;2014年09期

相關(guān)博士學(xué)位論文 前1條

1 曾鳴;鐵路集裝箱中心站物流系統(tǒng)資源調(diào)配優(yōu)化與仿真研究[D];西南交通大學(xué);2015年

本文編號：2612716