群智能是一類算法的統(tǒng)稱,它是指人類受到自然界中各種生物群體行為的啟發(fā),通過(guò)對(duì)這些智慧行為進(jìn)行模仿來(lái)找到更好的尋優(yōu)策略。隨著科學(xué)技術(shù)的進(jìn)步,一些傳統(tǒng)的優(yōu)化方法已經(jīng)無(wú)法有效地求解現(xiàn)實(shí)中復(fù)雜多變的問(wèn)題,尤其是NP-hard問(wèn)題,為此,越來(lái)越多的學(xué)者開(kāi)始采用多種群的群智能優(yōu)化算法來(lái)進(jìn)行求解,并且表現(xiàn)出了顯著的優(yōu)勢(shì),尤其是在工程應(yīng)用和科學(xué)研究領(lǐng)域,群智能算法越來(lái)越受到學(xué)者們的重視。Espezua等學(xué)者提出了 8種（4組）交叉遺傳操作,并對(duì)每對(duì)操作可能覆蓋的搜索區(qū)域大小給出定性的結(jié)果,但并沒(méi)有任何的定量證明。本文對(duì)其中6種實(shí)數(shù)編碼交叉操作的兩兩探測(cè)區(qū)域進(jìn)行了定量對(duì)比分析,給出了兩兩搜索區(qū)域大小比較的解析結(jié)果,證明新的交叉操作與相應(yīng)的原有交叉操作在保有收斂性的同時(shí)具有相對(duì)的廣鄰域性,從而從理論上證明了遺傳算法具有保持群體多樣性和較好算法性能的內(nèi)在原因。針對(duì)差分進(jìn)化算法存在的收斂速度慢、易陷入局部最優(yōu)解等缺點(diǎn),本文提出一種融入聚類分析的差分進(jìn)化算法。首先,利用聚類分析方法將差分算法的種群進(jìn)行聚類分類,抽取代表元個(gè)體,利用新的個(gè)體來(lái)替換原種群中的較差個(gè)體,去除種群中的冗余信息將種群進(jìn)行優(yōu)化更新,從而使得... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：48 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 研究現(xiàn)狀
    1.4 研究?jī)?nèi)容和主要貢獻(xiàn)
    1.5 論文結(jié)構(gòu)安排
第二章 基礎(chǔ)知識(shí)介紹
    2.1 遺傳算法的基本流程
    2.2 標(biāo)準(zhǔn)差分進(jìn)化算法
    2.3 投資組合優(yōu)化
    2.4 本章小結(jié)
第三章 六種交叉操作兩兩搜索區(qū)域大小的定量分析
    3.1 遺傳算法中六種實(shí)數(shù)編碼的交叉操作
    3.2 三對(duì)交叉操作搜索區(qū)域?qū)Ρ鹊亩糠治?br>    3.3 本章小結(jié)
第四章 基于聚類分析的差分算法協(xié)作研究
    4.1 基于聚類分析的差分算法思想描述
        4.1.1 聚類分析算法
        4.1.2 算法思想
        4.1.3 算法步驟
        4.1.4 算法流程圖
    4.2 仿真實(shí)驗(yàn)與結(jié)果分析
        4.2.1 不同聚類分析方法與差分進(jìn)化算法的協(xié)作性分析
        4.2.2 算法綜合對(duì)比實(shí)驗(yàn)
    4.3 本章小結(jié)
第五章 基于DEClu算法的均值-VaR投資組合優(yōu)化
    5.1 均值-VaR模型的建立
    5.2 約束處理
    5.3 數(shù)值模擬及結(jié)果分析
        5.3.1 資產(chǎn)選取
        5.3.2 數(shù)據(jù)的預(yù)處理和算法參數(shù)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于FCM聚類算法的電能表標(biāo)準(zhǔn)裝置監(jiān)測(cè)數(shù)據(jù)分析與研究[J]. 左黎斌,何傲,王昕,何東瑩,趙楠.  軟件. 2018(06)
[2]基于K-means算法的電能表檢定誤差分析與研究[J]. 何傲,左黎斌,王昕,何東瑩,趙楠.  軟件. 2018(06)
[3]移動(dòng)機(jī)器人養(yǎng)老服務(wù)路徑規(guī)劃的粒子群算法研究[J]. 陳曦斌,焦明海,劉昊汧,程亦然,張浩.  軟件. 2018(06)
[4]基于工作流的軟件測(cè)試過(guò)程模型研究[J]. 顏樂(lè)鳴.  軟件. 2018(05)
[5]基于二進(jìn)制GA的B樣條重構(gòu)曲線節(jié)點(diǎn)優(yōu)化[J]. 胡良臣,壽華好.  軟件學(xué)報(bào). 2016(10)
[6]基于強(qiáng)化學(xué)習(xí)的SBS云應(yīng)用自適應(yīng)性能優(yōu)化方法[J]. 閆永明,張斌,郭軍,孟煜.  計(jì)算機(jī)學(xué)報(bào). 2017(02)
[7]多變異策略差分進(jìn)化算法的研究與應(yīng)用[J]. 呂銘晟,沈洪遠(yuǎn),李志高,王汐,龔明,王俊年.  計(jì)算機(jī)工程. 2014(12)
[8]基于閾值統(tǒng)計(jì)學(xué)習(xí)的差分進(jìn)化引力搜索算法[J]. 張英杰,龔中漢.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[9]基于非均勻變異和多階段擾動(dòng)的粒子群優(yōu)化算法[J]. 趙新超,劉國(guó)蒞,劉虎球,趙國(guó)帥.  計(jì)算機(jī)學(xué)報(bào). 2014(09)
[10]基于DCA-PSO算法的均值-VaR投資組合優(yōu)化[J]. 見(jiàn)靜,高岳林.  計(jì)算機(jī)工程與應(yīng)用. 2012(27)

博士論文
[1]聚類分析及其應(yīng)用研究[D]. 唐東明.電子科技大學(xué) 2010

碩士論文
[1]基于改進(jìn)人工魚(yú)群算法優(yōu)化投資組合模型的研究[D]. 周修飛.天津商業(yè)大學(xué) 2017



本文編號(hào)：3148018