【摘要】：智能優(yōu)化算法通過揭示或模擬某些自然現象及過程,從生物群體的智能行為發(fā)展而來的。由于算法結果不依賴于初值的選取,并且對優(yōu)化的目標函數沒有連續(xù)、可微等要求,具有全局、并行高效、較強的魯棒性和通用性等優(yōu)點,所以,對群智能算法的研究成為當今具有重要理論意義與實用價值的課題之一。本文對近年來群智能優(yōu)化算法在全局函數優(yōu)化方面的做了詳細研究,工作安排如下:首先,在磷蝦覓食優(yōu)化算法(KH)的基礎上,提出一種改進的磷蝦覓食優(yōu)化算法。通過利用蛙跳算模因(MA)分組的思想,使磷蝦算法進行更仔細、更全面的搜索。最后選取6個基準函數進行仿真實驗,為了驗證改進算法的搜索性能,仿真結果表明參數對KH-SFLA的優(yōu)化性能有一定影響,混合算法極大地提高了函數優(yōu)化的求解精度和收斂速度。其次,花粉授粉算法通過參數實現了全局搜索和局部搜索之間相互轉換動態(tài)控制的進程,較好地解決了全局搜索和局部搜索之間的平衡,并且算法采用Levy飛行,使其具有良好的全局尋優(yōu)能力;同時提出了五種改進的優(yōu)化算法MFPA、MFPAS、CFPA、BFA-FPA、BFA-FPAS。多種群算法有著比較強的尋優(yōu)能力,相比較之下性能也非常穩(wěn)定,可以使抑制速率得到有效提升,同時解的精準性也明顯增加。最后,在蝙蝠算法的基礎上,對其基本原理、算法流程加以論述。BA算法具有簡單、參數少、魯棒性強、易于實現等優(yōu)點受到了極大的關注。因此,提出了蝙蝠算法的改進算法IBA、SBA、LBA和CBA并對七種優(yōu)化算法IBA、SBA、LBA、CBA、SBAS、LBAS、CBAS進行了仿真比較。結果顯示多種群算法IBA、SBAS、LBAS和CBAS無論是在尋優(yōu)能力還是收斂速度上,都比原算法要好并且性能相對穩(wěn)定,可以靈活地提高算法的抑制率,提高解決方案的準確性�？傊�,通過仿真表明了三種群智能算法參數設置以及與其他算法結合進行函數優(yōu)化取得的良好尋優(yōu)效果。同時,多種群算法在性能上優(yōu)于原有算法,對于求解復雜問題及其實際應用具有重大意義。
【學位授予單位】：遼寧科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18

【參考文獻】

相關期刊論文 前4條

1 陳俊風;吳鐵軍;;群體智能算法搜索策略的性質及對停滯現象的影響[J];系統(tǒng)工程理論與實踐;2013年06期

2 劉長平;葉春明;;具有Lévy飛行特征的蝙蝠算法[J];智能系統(tǒng)學報;2013年03期

3 畢曉君;王艷嬌;;改進人工蜂群算法[J];哈爾濱工程大學學報;2012年01期

4 楊大煉;李學軍;蔣玲莉;;一種細菌覓食算法的改進及其應用[J];計算機工程與應用;2012年13期

相關碩士學位論文 前1條

1 銀建霞;人工蜂群算法的研究及其應用[D];西安電子科技大學;2012年

本文編號：2793133