對(duì)于缺少梯度、連續(xù)性、凸性特征的復(fù)雜問題模型,傳統(tǒng)的優(yōu)化算法不能滿足計(jì)算時(shí)間和空間的要求。群智能算法展現(xiàn)出的自組織、協(xié)作、高度并行的特點(diǎn),為該類優(yōu)化問題提供了思路。蝙蝠算法是群智能衍生的新型啟發(fā)式算法,對(duì)于待優(yōu)化問題的求解不需要數(shù)學(xué)信息,算法對(duì)于目標(biāo)問題的求解具有較快的收斂速度。通過對(duì)蝙蝠算法的研究,發(fā)現(xiàn)了蝙蝠算法存在的缺陷。第一,蝙蝠個(gè)體尋優(yōu)過程中大量飛躍出解空間,蝙蝠算法并沒有較好的處理策略來為越界的個(gè)體分配有利的位置。第二,蝙蝠算法存在種群聚攏嚴(yán)重的現(xiàn)象,缺乏種群的多樣性。算法一旦陷入局部最優(yōu)解,很難發(fā)散并逃離局部吸引子的吸引。第三,蝙蝠在靠近目標(biāo)時(shí)發(fā)射聲波的響度和脈沖頻度不協(xié)調(diào),降低了蝙蝠算法發(fā)現(xiàn)新的更優(yōu)解的能力。針對(duì)蝙蝠算法存在的問題,提出了越界重置策略控制越界的蝙蝠個(gè)體,將其拉回解空間內(nèi),并隨機(jī)為其分配位置。并在蝙蝠種群有陷入停滯早熟狀態(tài)時(shí)引入變異策略,使種群以當(dāng)前最優(yōu)解為中心向四周呈發(fā)射狀搜索。提出采用線性漸變的方式對(duì)蝙蝠發(fā)出聲波的響度和脈沖頻度進(jìn)行更新,使其變化與算法尋優(yōu)的過程相適應(yīng)。為了驗(yàn)證改進(jìn)算法的有效性,從不同的解空間位置對(duì)比了改進(jìn)算法與其他幾種算法的優(yōu)化能力。實(shí)... 

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 群智能算法研究綜述
        1.2.2 蝙蝠算法國內(nèi)外研究狀況
    1.3 論文研究內(nèi)容和創(chuàng)新點(diǎn)
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)理論研究
    2.1 蝙蝠算法
        2.1.1 蝙蝠回聲定位原理
        2.1.2 蝙蝠算法的結(jié)構(gòu)
        2.1.3 蝙蝠算法的步驟
        2.1.4 蝙蝠算法的改進(jìn)
    2.2 人工神經(jīng)網(wǎng)絡(luò)概述
        2.2.1 神經(jīng)元模型
        2.2.2 BP神經(jīng)網(wǎng)絡(luò)模型
        2.2.3 激活函數(shù)
        2.2.4 BP算法流程
        2.2.5 BP算法的改進(jìn)
    2.3 本章小結(jié)
第三章 基于越界重置和自適應(yīng)縮放的蝙蝠優(yōu)化算法
    3.1 蝙蝠算法存在的缺陷
        3.1.1 個(gè)體越界問題
        3.1.2 缺乏種群多樣性
        3.1.3 響度和脈沖頻度的更新存在缺陷
    3.2 蝙蝠算法的改進(jìn)策略
        3.2.1 蝙蝠算法的越界重置策略
        3.2.2 自適應(yīng)縮放
        3.2.3 響度和脈沖頻度線性漸變
    3.3 改進(jìn)的蝙蝠算法
        3.3.1 算法流程
        3.3.2 算法流程圖
    3.4 實(shí)驗(yàn)仿真
        3.4.1 實(shí)驗(yàn)設(shè)計(jì)
        3.4.2 實(shí)驗(yàn)結(jié)果
        3.4.3 算法收斂穩(wěn)定性分析
    3.5 算法性能分析
    3.6 本章小結(jié)
第四章 基于改進(jìn)蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
    4.1 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)
        4.1.1 BP算法的缺陷
        4.1.2 改進(jìn)策略
    4.2 網(wǎng)絡(luò)設(shè)計(jì)
        4.2.1 網(wǎng)絡(luò)參數(shù)編碼
        4.2.2 適應(yīng)度函數(shù)設(shè)計(jì)
        4.2.3 算法流程
        4.2.4 算法流程圖
    4.3 性能評(píng)價(jià)
        4.3.1 實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在分類問題中的應(yīng)用
        4.4.1 語音特征信號(hào)分類
        4.4.2 鳶尾花卉分類
        4.4.3 意大利葡萄酒種類識(shí)別
        4.4.4 結(jié)論
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間參加的科研項(xiàng)目
攻讀學(xué)位期間發(fā)表論文情況


【參考文獻(xiàn)】：
期刊論文
[1]基于BA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)威脅估計(jì)[J]. 李卉.  山西電子技術(shù). 2016(03)
[2]一種求解多維全局優(yōu)化問題的改進(jìn)蝙蝠算法[J]. 陳梅雯,鐘一文,王李進(jìn).  小型微型計(jì)算機(jī)系統(tǒng). 2015(12)
[3]基于t分布變異的蝙蝠算法[J]. 常青,賀興時(shí).  西安工程大學(xué)學(xué)報(bào). 2015(05)
[4]蝙蝠算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合[J]. 王華東,王大羽.  激光雜志. 2015(04)
[5]自適應(yīng)變異的蝙蝠算法[J]. 岳小雪,鄭云水,林俊亭.  計(jì)算機(jī)測量與控制. 2015(02)
[6]蝙蝠算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵檢測[J]. 劉羿.  計(jì)算機(jī)仿真. 2015(02)
[7]一種具有記憶特征的改進(jìn)蝙蝠算法[J]. 王文,王勇,王曉偉.  計(jì)算機(jī)應(yīng)用與軟件. 2014(11)
[8]函數(shù)優(yōu)化的小生境蝙蝠算法[J]. 高珊,馬良,張惠珍.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2014(15)
[9]求解約束優(yōu)化問題的改進(jìn)蝙蝠算法[J]. 龍文,張文專.  計(jì)算機(jī)應(yīng)用研究. 2014(08)
[10]基于DE算法改進(jìn)的蝙蝠算法的研究及應(yīng)用[J]. 肖輝輝,段艷明.  計(jì)算機(jī)仿真. 2014(01)

博士論文
[1]一種新的基于螞蟻混沌行為的群智能優(yōu)化算法及其應(yīng)用研究[D]. 李麗香.北京郵電大學(xué) 2006

碩士論文
[1]關(guān)于粒子群算法改進(jìn)的研究[D]. 杜玉平.西北大學(xué) 2008



本文編號(hào)：3687283