群智能算法優(yōu)化一直是科學(xué)和工程研究的熱點(diǎn)問題,其蘊(yùn)涵的仿生學(xué)機(jī)制和啟發(fā)式思想使解決工程數(shù)學(xué)優(yōu)化問題的方法變得非�？旖莺蛢�(yōu)雅。蜻蜓算法(DA)是一種較為新穎的群智能算法,控制參數(shù)少,原理簡(jiǎn)單,能較好地應(yīng)用于函數(shù)尋優(yōu)。本文仔細(xì)研究了蜻蜓算法,并對(duì)基本蜻蜓算法的背景意義、研究現(xiàn)狀、靈感來源、算法的設(shè)計(jì)和實(shí)現(xiàn)、仿真結(jié)果進(jìn)行深入的分析和討論,并給出蜻蜓算法的收斂性詳細(xì)證明過程、偽代碼和流程圖。再次,根據(jù)蜻蜓算法的基本理論步驟和運(yùn)行結(jié)果,分析算法的優(yōu)點(diǎn),也指出算法存在的缺點(diǎn)。在此基礎(chǔ)上,運(yùn)用三種策略(貪婪、平衡、組合)對(duì)蜻蜓算法進(jìn)行改進(jìn),提出增強(qiáng)個(gè)體信息交流的蜻蜓算法(EIDA)。貪婪策略是對(duì)蜻蜓算法種群歷史最優(yōu)解的保留,平衡策略是對(duì)蜻蜓算法全局搜索和局部開發(fā)過渡的優(yōu)化,組合策略是對(duì)蜻蜓算法種群位置更新的改進(jìn)。本文詳細(xì)描述了EIDA的參數(shù)選擇、執(zhí)行步驟和流程圖,并分析了EIDA的種群多樣性和收斂性。接著,本文使用七個(gè)基準(zhǔn)測(cè)試函數(shù)對(duì)DA、EIDA、ABC和PSO進(jìn)行了仿真實(shí)驗(yàn)測(cè)試,使用最優(yōu)解、最差解、平均解、均方差四個(gè)指標(biāo)去評(píng)價(jià)這四個(gè)群智能算法的性能,還畫出了四個(gè)算法尋優(yōu)時(shí)的平均收斂曲線圖。仿真測(cè)試表明,EIDA能有效地改善原DA的性能,提高原DA的尋優(yōu)能力,特別地,高維多峰函數(shù)的尋優(yōu)結(jié)果體現(xiàn)了EIDA收斂速度更快,尋優(yōu)精度更高,對(duì)抗局部極值的能力更強(qiáng)。最后,對(duì)傳統(tǒng)的時(shí)間序列預(yù)測(cè)方法存在的不足之處進(jìn)行說明,并嘗試把群智能算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,以提高時(shí)間序列預(yù)測(cè)的精度。本文嘗試把EIDA與Elman神經(jīng)網(wǎng)絡(luò)這兩種單一的算法進(jìn)行有機(jī)的融合,提出EIDA-Elman時(shí)間序列預(yù)測(cè)模型,最大程度地發(fā)揮兩者的優(yōu)點(diǎn)。引入EIDA是為了解決Elman神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中權(quán)值和閥值容易陷入局部最優(yōu)解的問題。在詳細(xì)描述EIDA-Elman模型的原理、算法步驟的基礎(chǔ)上,將其應(yīng)用于微博話題熱度預(yù)測(cè)問題,并進(jìn)行仿真測(cè)試。使用均方誤差和相對(duì)誤差兩個(gè)常用指標(biāo)對(duì)EIDA-Elman預(yù)測(cè)模型進(jìn)行評(píng)價(jià)。對(duì)微博話題的測(cè)試結(jié)果表明,EIDA-Elman預(yù)測(cè)模型的訓(xùn)練情況好,預(yù)測(cè)精度高。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【部分圖文】：

水中的其它昆蟲甚至小型魚類。蜻蜓有趣的地方是它們獨(dú)特的、罕見的群集行為。蜻蜓在兩種情況下會(huì)聚集成群：覓食和遷徙。前者稱為靜態(tài)（覓食）群體，后者稱為動(dòng)態(tài)（遷徙）群體。這兩個(gè)群體的行為會(huì)在接下來的小節(jié)里給出其數(shù)學(xué)實(shí)現(xiàn)。2.2 蜻蜓個(gè)體的行為及其數(shù)學(xué)描述蜻蜓個(gè)體有五種行為需要受到特別關(guān)注，這些行為決定了蜻蜓飛行時(shí)的位置：（1）避撞行為，盡可能地不和環(huán)繞或緊挨著的蜻蜓個(gè)體產(chǎn)生碰撞；（2）結(jié)隊(duì)行為，若干個(gè)蜻蜓結(jié)隊(duì)飛行，個(gè)體之間以同等均速維系連接；（3）聚集行為，若干個(gè)蜻蜓向某個(gè)蜻蜓靠攏，個(gè)體之間以同等均間距飛行；（4）覓食行為，盡可能多地找到食物，且共同靠攏至食物所在的位置；（5）避敵行為，盡可能少地遇見天敵，且向天敵的四周散開。蜻蜓群體中的各個(gè)體根據(jù)這五種主要行為更新其自身所在位置，如圖 2-1 所示。

廣東工業(yè)大學(xué)碩士學(xué)位論文w 是慣性權(quán)重，t 是迭代的次數(shù)。有了避撞，結(jié)隊(duì)，聚集，覓食和避敵因子（s, a, c, f, e），在算法演化過程中能實(shí)現(xiàn)不同的全局搜索和局部開發(fā)行為。蜻蜓的相鄰個(gè)體是非常重要的，所以假設(shè)每個(gè)蜻蜓都有一個(gè)具有一定半徑的相鄰“個(gè)體”（2 維空間是一個(gè)圓，3 維空間是一個(gè)球面，n 維空間是一個(gè)超球面）。文獻(xiàn)[14]展示了蜻蜓群聚行為及其鄰域半徑不斷增長(zhǎng)的例子，其中各因子取值為 w=0.9 0.2, s=0.1, a=0.1, c=0.7, f=1, e=1，如圖 2-2。

始化蜻蜓種群 Xi(i = 1,2,...,n)始化步長(zhǎng)向量i x(i = 1,2,...,n)ile 未達(dá)到最大迭代次數(shù)或未滿足最小誤差精度計(jì)算所有蜻蜓的目標(biāo)值更新食物源和天敵更新 w, s, a, c, f 和 e使用公式(2.1)至(2.5)計(jì)算 S, A, C, F 和 E更新領(lǐng)域半徑if 一個(gè)蜻蜓個(gè)體至少存在一個(gè)環(huán)繞或緊挨著的蜻蜓個(gè)體運(yùn)用公式(2.6)計(jì)算和變更速度向量運(yùn)用公式(2.7)計(jì)算和變更位置向量else運(yùn)用公式(2.8)更新位置向量end if基于變量的邊界，檢查并糾正新的位置d while圖 2-3 蜻蜓算法的偽代碼Fig. 2-3 The pseudo code of the dragonfly algorithm

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 崔東文;金波;;DA-PNN湖庫(kù)營(yíng)養(yǎng)狀態(tài)識(shí)別通用模型研究及應(yīng)用[J];人民珠江;2015年06期

2 陳羽中;方明月;郭文忠;郭昆;;基于小波變換與差分自回歸移動(dòng)平均模型的微博話題熱度預(yù)測(cè)[J];模式識(shí)別與人工智能;2015年07期

3 李國(guó)成;李娟;周本達(dá);;幾種混沌布谷鳥搜索算法的優(yōu)化性能比較與仿真[J];貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

4 林志毅;王玲玲;;求解高維函數(shù)優(yōu)化問題的混合蜂群算法[J];計(jì)算機(jī)科學(xué);2013年03期

5 王翔;李志勇;許國(guó)藝;王艷;;基于混沌局部搜索算子的人工蜂群算法[J];計(jì)算機(jī)應(yīng)用;2012年04期

6 余霞;廖小麗;;試論微博在突發(fā)公共事件中的傳播功能[J];東南傳播;2011年08期

7 李曉磊,邵之江,錢積新;一種基于動(dòng)物自治體的尋優(yōu)模式:魚群算法[J];系統(tǒng)工程理論與實(shí)踐;2002年11期

8 李兵,蔣慰孫;混沌優(yōu)化方法及其應(yīng)用[J];控制理論與應(yīng)用;1997年04期

相關(guān)碩士學(xué)位論文 前3條

1 梅貴琴;改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)和網(wǎng)絡(luò)參數(shù)優(yōu)化算法研究[D];西南大學(xué);2017年

2 馬荃;多標(biāo)簽分類中的特征選擇算法研究[D];南京師范大學(xué);2015年

3 于佳;Cubic混沌映射及其在混沌掩蓋通信中的應(yīng)用[D];吉林大學(xué);2007年

本文編號(hào)：2832885