單一的群智能算法在解決較為復(fù)雜的優(yōu)化問題時(shí),都或多或少地受到自身或原理的限制,存在如下缺點(diǎn):易陷入局部極值,產(chǎn)生早熟現(xiàn)象,泛化能力弱和結(jié)果精度不高等。混合群智能優(yōu)化算法綜合考慮了算法之間的差異性和互補(bǔ)性,然后按照某種規(guī)則將兩種或多種群智能算法融合在一起或是將其他優(yōu)化思想引入單種群智能算法中,取長補(bǔ)短以實(shí)現(xiàn)信息的增值和優(yōu)勢互補(bǔ),進(jìn)而增強(qiáng)算法的整體優(yōu)化性能。本文研究混合改進(jìn)鯨魚優(yōu)化算法和粒子群算法,并用于解決函數(shù)優(yōu)化、聚類分析和模糊聚類圖像分割問題。主要研究工作如下:(1)提出了一種具有Levy Flight特征的鯨魚優(yōu)化算法(LFWOA),通過在鯨魚收縮包圍獵物的過程中引入Levy飛行策略,提高了鯨魚優(yōu)化算法的全局搜索能力和收斂精度,有效跳出局部最優(yōu)區(qū)域。通過與WOA和其他兩種算法在13個(gè)測試函數(shù)中的仿真結(jié)果對比,證明LFWOA可以避免陷入局部最優(yōu),且收斂精度高。(2)考慮PSO和LFWOA間的差異性和互補(bǔ)性,根據(jù)算法融合思想,提出基于Levy飛行鯨魚群與粒子群并行融合的混合群智能算法(PS-LFWOA)。該算法采用并行機(jī)制實(shí)現(xiàn)協(xié)同優(yōu)化過程,并通過交叉、替換操作實(shí)現(xiàn)個(gè)體間的信息交互,以增加迭代后期群體多樣性,平衡算法的局部開發(fā)能力和全局探索能力。通過對23個(gè)基準(zhǔn)函數(shù)測試仿真,驗(yàn)證了混合算法在收斂速率、群體多樣性、穩(wěn)定性和收斂結(jié)果精度上均有提高。(3)提出了一種改進(jìn)的鯨魚群模糊C-均值聚類算法,改進(jìn)體現(xiàn)在四個(gè)方面:目標(biāo)函數(shù)設(shè)計(jì),綜合考慮了類內(nèi)緊湊性與類間分離性的關(guān)系;自適應(yīng)收斂因子,有效平衡鯨魚搜索過程的全局搜索和局部開發(fā)能力;交叉變異策略,提高算法收斂速率和增加種群多樣性;監(jiān)測機(jī)制,實(shí)現(xiàn)鯨魚算法與FCM間的動(dòng)態(tài)結(jié)合。通過對5組數(shù)據(jù)集進(jìn)行數(shù)據(jù)聚類,驗(yàn)證了該混合算法獲得的聚類結(jié)果類內(nèi)緊湊,類之間分離較遠(yuǎn),且具有較高的聚類準(zhǔn)確性和穩(wěn)定性。(4)針對FFCM算法對初始值設(shè)置敏感的問題,提出了一種基于鯨魚優(yōu)化的快速FCM圖像分割方法。該算法在鯨魚算法的搜索策略和收斂速度方面提出了改進(jìn)措施,通過仿真實(shí)驗(yàn),驗(yàn)證了該算法在解決圖像分割問題時(shí)能夠減少圖像信息的丟失,縮短尋找最優(yōu)聚類中心的時(shí)間,改善圖像分割效果。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【部分圖文】：

SIA 不必事先獲知問題的所有屬性，而是自行通過現(xiàn)有的信息進(jìn)行搜索，并基勝劣汰的選擇策略不斷改進(jìn)整個(gè)群體的品質(zhì)。（4）魯棒性強(qiáng)，易于其他算法結(jié)合SIA 采用分布式控制模式，容錯(cuò)能力強(qiáng)，個(gè)體故障并不影響問題的解，可靠性高擴(kuò)展性強(qiáng)，另外群體中個(gè)體之間采用特殊的交流方式進(jìn)行合作，提高了算法的安和魯棒性。由于算法的控制參數(shù)少，不受問題自身性質(zhì)的限制，所以易與其他群算法結(jié)合或者直接引入其他優(yōu)化思想，產(chǎn)生新的優(yōu)化方法。2.1.1 粒子群算法粒子群優(yōu)化算法利用一種簡單的機(jī)制，模擬鳥群和魚群中的群集行為，引導(dǎo)粒找全局最優(yōu)解。Del Valle[32]等用分離(separation)、調(diào)整(alignment)和聚集(cohesio種簡單行為描述粒子群優(yōu)化過程，分別如圖 2.2 所示。其中，（a）分離，避免運(yùn)程中與臨近個(gè)體相互碰撞；（b）調(diào)整，基于臨近個(gè)體的均值調(diào)整速度大小和方向c）聚集，改變當(dāng)前位置向臨近個(gè)體靠近。

圖 2.4 座頭鯨的泡泡網(wǎng)覓食行為[5]食過程中能夠發(fā)現(xiàn)獵物，識(shí)別其位置并包圍它們。由置是未知的，所以在 WOA 中假定目標(biāo)獵物或接近目選解中最優(yōu)的一個(gè)。圍機(jī)制：其他搜索代理在確定最佳搜索代理之后將更新自己當(dāng)前位置。* *( 1) ( ) ( ) ( )i iX t X t A CX t X t示當(dāng)前迭代次數(shù)，*X 是到目前為止獲得的最優(yōu)表示步長， A 和 C 的定義為：1A 2a r a

4f5f7f圖 2.7 單模測試函數(shù)立體圖表 2.2 多維多模測試函數(shù)函數(shù)名 公式 維數(shù) 范圍 最優(yōu)值Schwefel2.2681( ) ( sin )ni iif x x x 30/50 [-500,500] -418.982*Rastrigin291( ) [ 10cos(2 ) 10]ni iif x x x 30/50 [-5.12,5.12] 0Ackley2101 11 1( ) 20 20exp( 0.2 ) exp cos(2 ) n nj jj jf x e x xn n30/50 [-32,32] 0Griewank2111 1( ) cos( / ) 14000nniii ixf x x i 30/50 [-600,600] 0Penalized112 1112 2 211( ) 10sin( ) ( ,10,100, 4)( 1) [1 10sin ( )] ( 1)niini i nif x y xny y yn
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 蒲蓬勃;王鴿;劉太安;;基于粒子群優(yōu)化的模糊C-均值聚類改進(jìn)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年16期

2 殷曉明;顧幸生;;一種基于改進(jìn)型遺傳算法的模糊聚類[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

相關(guān)博士學(xué)位論文 前1條

1 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

本文編號：2837899