優(yōu)化問題存在于科學研究、工業(yè)技術(shù)等多個應用領(lǐng)域,現(xiàn)實的優(yōu)化問題變得日益復雜,因此人們對高效的優(yōu)化技術(shù)和新興的優(yōu)化算法的研究迫在眉睫。擬態(tài)物理學算法是一種受物理學規(guī)律啟發(fā)通過模擬物體間虛擬力作用力及物體運動遵循牛頓第二定律的算法。該算法通過模擬物體間虛擬力作用力,適應值較優(yōu)個體吸引適應值較差個體,適應值較差個體排斥適應值較優(yōu)個體,適應值最優(yōu)個體吸引其他所有個體,從而實現(xiàn)種群尋優(yōu)。但是對于一些難優(yōu)化的問題易受單一全局最優(yōu)解的吸引,出現(xiàn)局部最優(yōu)解。鑒于這一局限性,本文受機器學習理論啟發(fā),引入精英學習策略,給出基于精英學習的擬態(tài)物理學優(yōu)化算法框架,讓種群個體向多個精英個體進行學習以提高個體學習的多元性。針對該框架設(shè)計了不同的方案,該算法包括三個階段,分組,組內(nèi)學習,組間學習,本文分別對這三個階段進行了設(shè)計,并且仿真實驗對不同設(shè)計方案進行了對比分析,驗證了該算法的可行性和有效性。隨后,在該框架的基礎(chǔ)上,結(jié)合反向?qū)W習,種群多樣性等對算法作進一步的改進,分別提出了基于反向?qū)W習、種群多樣性、自適應迭代概率選擇的精英學習APO優(yōu)化算法。經(jīng)過理論分析和仿真實驗分析驗證,相較其他算法而言,改進的算法具有很強... 

【文章來源】：太原科技大學山西省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

平均運行時間對比圖

F27 F28圖 3.5 動態(tài)尋優(yōu)比較結(jié)果圖Figure 3.5 dynamic optimization comparison result diagram3.5 本章小結(jié)本章在上一章精英學習 APO 優(yōu)化算法框架基礎(chǔ)上，結(jié)合反向?qū)W習，種群多樣性以及自適應迭代概率選擇等策略對算法進一步優(yōu)化，通過對這三種算法各自的思想描述和算法流程的比較，實現(xiàn)改進算法的性能呈遞進式提高。最后，比較本章的三個算法與 APOEAPO 算法動態(tài)收斂尋優(yōu)圖，同時仿真實驗數(shù)據(jù)也體現(xiàn)了本章的三個改進算法具有較好的種群多樣性及較強的尋優(yōu)能力，為下章機構(gòu)模型的求解提供參考和理論指導。

三坐標系 p x, y ，1 1 1(O x , y)，2 2 2(O x , y)均處于同一平面內(nèi)，定義 M 在三坐標系的坐標分別為 x ,y , 1 1x ,y, 2 2x ,y 。2 為轉(zhuǎn)角，坐標系 到坐標系、坐標系 到坐標系 和坐標系 到坐標系的坐標轉(zhuǎn)換關(guān)系表達式分別為： 02 2 21 1T Txy Mxy 1 1 102 21 1T Tx y Mx y2 2 2 210 02 2 2 21 0 cos sin 00 1 0 , sin sin0 0 1 0 0 1 rM M r 1 1 10022 21 1T Tx y MMxy4.2.2 機構(gòu)簡圖及滾切剪關(guān)鍵參數(shù)滾切剪運動機構(gòu)簡圖如圖 4.1 所示。

【參考文獻】：
期刊論文
[1]基于競爭學習的大規(guī)模微博文本聚類[J]. 施維,王興華,萬巍,薛均,潘璀然,程顯毅,董建成,王理.  江蘇科技大學學報(自然科學版). 2017(06)
[2]蟻群算法及其應用綜述[J]. 喬東平,裴杰,肖艷秋,周坤.  軟件導刊. 2017(12)
[3]精英學習的多維動態(tài)自適應人工魚群算法[J]. 戴月明,姚凌波,王艷.  小型微型計算機系統(tǒng). 2017(12)
[4]一種基于種群多樣性的粒子群優(yōu)化算法設(shè)計及應用[J]. 韓紅桂,盧薇,喬俊飛.  信息與控制. 2017(06)
[5]車輪踏面參數(shù)檢測誤差分析與GUI設(shè)計[J]. 劉樂平,鄒歡,曾昭韋,何海濱,彭玲陽,胡顯通.  機床與液壓. 2017(20)
[6]基于強化學習方法的訪存調(diào)度算法[J]. 邱東黎,施晶晶.  計算機工程與應用. 2018(02)
[7]交叉反向?qū)W習和同粒社會學習的粒子群優(yōu)化算法[J]. 張新明,康強,王霞,程金鳳.  計算機應用. 2017(11)
[8]基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字識別[J]. 史興宇,鄧洪敏,林宇鋒,安旭驍.  計算機應用. 2017(S1)
[9]一種采用種群多樣性監(jiān)控和實時更新策略的粒子群優(yōu)化算法[J]. 李帥龍,崔國民,陳家星,肖媛.  計算物理. 2017(03)
[10]一種混合擬態(tài)物理學優(yōu)化算法[J]. 夏季,謝麗萍,孫超利.  太原科技大學學報. 2017(01)

博士論文
[1]滾切剪性能及其機構(gòu)綜合的研究[D]. 劉彪.大連理工大學 2017

碩士論文
[1]多規(guī)則擬態(tài)物理學優(yōu)化算法[D]. 夏季.太原科技大學 2016
[2]基于粒子群優(yōu)化算法的滾切剪運動規(guī)律的研究[D]. 魏彥旭.太原科技大學 2015
[3]滾切式剪切機機構(gòu)優(yōu)化及上刀架拓撲優(yōu)化[D]. 王振宏.大連交通大學 2012
[4]基于約束保持法的矢量擬態(tài)物理學約束優(yōu)化算法研究[D]. 張斐.太原科技大學 2011



本文編號：3422255