隨著計算機技術的不斷發(fā)展以及人工智能的涌現(xiàn),人們在處理事務時越來越趨向于自動化和智能化,隨之產(chǎn)生了許多智能化元啟發(fā)式優(yōu)化算法,果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,FOA)便屬于其中之一。該算法因具有控制參數(shù)少、結(jié)構(gòu)簡單、運行時間短、易實現(xiàn)等優(yōu)點,而得到廣泛應用。與其它元啟發(fā)式智能優(yōu)化算法類似,該算法在迭代過程中容易陷入局部最優(yōu),在求解高維多極值問題時易出現(xiàn)早熟收斂現(xiàn)象。為了彌補基本FOA算法的缺陷,本文提出了基于隨機機制的變步長果蠅優(yōu)化算法(CSFOA),并將其用于優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(Generalized Regression Neural Network,GRNN),進而預測彈痕深度,主要研究內(nèi)容如下:(1)本文提出了基于隨機機制的變步長果蠅優(yōu)化算法。采用動態(tài)遞減步長的策略,使整個種群在較大的空間范圍內(nèi)搜索,在算法迭代初期具有較大的搜索步長,算法可以在全局范圍內(nèi)搜索,在一定程度上增強算法的探測能力。隨著迭代的進行,搜索步長逐漸減小,算法便可以在當前最優(yōu)解附近進行深度搜索,以提高算法在迭代后期的尋優(yōu)精度。動態(tài)遞減步長策略可以彌補傳統(tǒng)FOA... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

圖２．１蟻群覓食過程??

以識別各種物體。ＦＯＡ算法正是依據(jù)果蠅所具有的敏銳嗅覺和視覺提出的。首??先，憑借敏銳的嗅覺感知物體所處的大致方位，然后飛近食物，再憑借視覺發(fā)現(xiàn)??食物和同伴聚集的位置，并飛向該位置。果蠅種群的覓食過程如圖２．２所示。??ＦＩｙ?１?？?（?ＸＩ，Ｙ?Ｕ?，?，??Ｓｍｄｌｌ?抓化賴??／?ｒ?一－＾Ｉ＾ＦＩｙ２．?＜Ｘ２，Ｙ２）??／?Ｓｍｅｌｌ?２－ｆｕｎｃｔｉｏｎ?＜?ｌ／Ｄｉｓ？２?）??／?Ｆｌｙ?Ｇｍｕｐ＇ｖ．??Ｄ卜丨丨??／?／?＜Ｘ３．Ｙ３）??！?．－－－＊＊＊＂?ＳｍｃｌＩ３??圖２．２果蠅覓食過程??Ｆｉｇ．２．２?Ｆｏｒａｇｉｎｇ?ｐｒｏｃｅｓｓ?ｏｆ?ｆｒｕｉｔ?ｆｌｉｅｓ??２．２．２算法描述??ＦＯＡ算法是一種尋求全局優(yōu)化的新的啟發(fā)式方法，具體執(zhí)行步驟如下：??１１??

神經(jīng)網(wǎng)絡系統(tǒng)中的數(shù)據(jù)交換和信息處理也是通過相互連接的祌經(jīng)元來完成的??【３７別。人工神經(jīng)元模型如圖２．４所示。??ＴＸ??：?（Ｚ狀?ｆ）—ｐ??＼??Ｘｎ?Ｑ??圖２．４人工祌經(jīng)元模型??Ｆｉｇ．２．４?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｒｏｎ?ｍｏｄｅｌ??１３??

【參考文獻】：
期刊論文
[1]一種改進果蠅算法優(yōu)化神經(jīng)網(wǎng)絡短期負荷預測模型[J]. 王亞琴,王耀力,王力波,常青.  電測與儀表. 2018(22)
[2]改進步長與策略的果蠅優(yōu)化算法[J]. 桂龍,王愛平,丁國紳.  計算機工程與應用. 2018(04)
[3]基于自適應步長的果蠅優(yōu)化算法[J]. 郭曉東,王麗芳,張學良.  中北大學學報(自然科學版). 2016(06)
[4]基于模擬退火的果蠅優(yōu)化算法[J]. 張斌,張達敏,阿明翰.  計算機應用. 2016(11)
[5]線性規(guī)劃模型建模和分析管理[J]. 王孝通,徐冠雷,周紅進.  系統(tǒng)工程理論與實踐. 2015(09)
[6]遞減步長果蠅優(yōu)化算法及應用[J]. 寧劍平,王冰,李洪儒,許葆華.  深圳大學學報(理工版). 2014(04)
[7]果蠅算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡在變形監(jiān)測預報中的應用[J]. 范良,趙國忱,蘇運強.  測繪通報. 2013(11)
[8]基于優(yōu)化神經(jīng)網(wǎng)絡的短期電力負荷預測[J]. 吳桂峰,王軒,陳東雷.  計算機仿真. 2013(11)
[9]基于混沌映射的混合果蠅優(yōu)化算法[J]. 程慧,劉成忠.  計算機工程. 2013(05)
[10]自適應動態(tài)規(guī)劃綜述[J]. 張化光,張欣,羅艷紅,楊珺.  自動化學報. 2013(04)



本文編號：2909386