【摘要】：群智能優(yōu)化算法是模擬生物群體智能行為設(shè)計的隨機優(yōu)化算法,具有良好的搜索能力和尋優(yōu)能力,易于實現(xiàn),實用性強,參數(shù)少,流程簡單。然而,許多非連續(xù)的組合優(yōu)化問題亟待解決,迫切需要對連續(xù)性螢火蟲算法進行離散化改進研究。本文主要工作如下:1.基于慣性權(quán)重對數(shù)遞減的螢火蟲算法針對螢火蟲算法收斂速度慢的不足,提出了一種基于慣性權(quán)重對數(shù)遞減的螢火蟲算法。首先,實驗說明慣性權(quán)重對螢火蟲算法對種群多樣性的影響。然后,引入對數(shù)調(diào)整因子,不同的對數(shù)調(diào)整因子確保算法搜索的成功率。最后,選取四種典型函數(shù)分別進行給定迭代次數(shù)和給定精度的仿真測試。實驗結(jié)果表明,改進的算法在收斂速度和收斂精度方面有明顯的改進。2.基于改進螢火蟲算法求解旅行商問題鑒于TSP問題是古老的組合優(yōu)化難題,而螢火蟲算法在求解函數(shù)優(yōu)化問題中表現(xiàn)出優(yōu)良的性能,因此,利用改進的螢火蟲算法求解TSP問題。首先,在分析了旅行商問題的特點后,采用整數(shù)編碼的方式來表示螢火蟲的位置。然后,在標(biāo)準(zhǔn)螢火蟲算法的位置更新過程中引入了對數(shù)遞減的慣性權(quán)重來影響螢火蟲的迭代過程,同時結(jié)合了遺傳算法中的選擇,交叉,變異以及進化逆轉(zhuǎn)操作來提高每一次迭代中種群多樣性及種群搜索能力,并將改進的算法解決TSP問題。最后,通過MATLAB仿真實驗表明改進的算法在求解TSP問題時具有更好收斂速度和優(yōu)化效果。3.改進的螢火蟲算法在k-means聚類中的應(yīng)用為了克服螢火蟲算法容易陷入局部最優(yōu)解的缺點,提出改進的螢火蟲算法。通過引入隨機權(quán)重和布谷鳥算法中的Levy飛行策略增強種群的多樣性,也平衡了算法的全局搜索能力和局部搜索能力。將改進的算法應(yīng)用在k-means聚類中,通過UCI標(biāo)準(zhǔn)數(shù)據(jù)庫進行仿真實驗,結(jié)果表明,改進的算法能有效提高算法的收斂精度,改善螢火蟲算法的尋優(yōu)能力。同時改進的FA在一定程度上解決了k-means聚類算法對初始值敏感且受異常數(shù)據(jù)影響的問題,驗證了改進算法的可行性。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 徐小平;張東潔;;一種改進的猴群算法[J];計算機系統(tǒng)應(yīng)用;2017年06期

2 潘曉英;陳雪靜;李昂儒;趙普;;基于自適應(yīng)步長的螢火蟲劃分聚類算法[J];計算機應(yīng)用研究;2017年12期

3 戚遠航;蔡延光;蔡顥;湯雅連;呂文祥;;旅行商問題的混沌混合離散蝙蝠算法[J];電子學(xué)報;2016年10期

4 熊娟;文樺;;基于螢火蟲搜索算法的圖像紋理特征提取研究[J];計量學(xué)報;2016年03期

5 吳宏超;劉檢華;唐承統(tǒng);徐聯(lián)杰;劉佳順;;基于螢火蟲算法的管路系統(tǒng)布局序列優(yōu)化技術(shù)[J];計算機集成制造系統(tǒng);2016年08期

6 戴文智;楊新樂;;基于慣性權(quán)重對數(shù)遞減的粒子群優(yōu)化算法[J];計算機工程與應(yīng)用;2015年17期

7 王永貴;林琳;劉憲國;;基于改進粒子群優(yōu)化的文本聚類算法研究[J];計算機工程;2014年11期

8 莫愿斌;馬彥追;鄭巧燕;;一種協(xié)作的螢火蟲算法在聚類問題上的應(yīng)用[J];化工自動化及儀表;2014年03期

9 李孟山;黃興元;柳和生;柳炳祥;武燕;艾凡榮;;基于混沌自適應(yīng)粒子群人工神經(jīng)網(wǎng)絡(luò)的氣體在聚合物中的溶解模型[J];化學(xué)學(xué)報;2013年07期

10 鐘良;鐘守楠;章曉燕;;基于數(shù)論的總體優(yōu)化隨機搜索算法[J];數(shù)學(xué)雜志;2006年01期

相關(guān)博士學(xué)位論文 前1條

1 郁書好;螢火蟲優(yōu)化算法研究及應(yīng)用[D];合肥工業(yè)大學(xué);2015年

，

本文編號：2633342