在實(shí)際生活中,有很多問題不能用傳統(tǒng)的優(yōu)化算法解決。元啟發(fā)式算法的出現(xiàn)在一定程度上克服了傳統(tǒng)優(yōu)化算法的不足之處。近些年來,由于元啟發(fā)式算法的結(jié)構(gòu)簡單、易于實(shí)現(xiàn)、不依賴梯度信息、可以很大程度上避開局部最優(yōu)等優(yōu)點(diǎn),這些優(yōu)勢以及在工程設(shè)計(jì)問題上的廣泛應(yīng)用使得元啟發(fā)式算法成為了很多學(xué)者研究的熱點(diǎn)。為了進(jìn)一步提高算法的局部開采能力或全局勘探能力,不少學(xué)者提出了各種適用于元啟發(fā)式算法的策略。為了進(jìn)一步提高元啟發(fā)式算法的局部開采能力以及更好的平衡算法全局性能,本文對算法在求解過程中,種群個(gè)體的有利信息進(jìn)行了深入研究,并設(shè)計(jì)了可以改進(jìn)啟發(fā)式算法性能的算子,本文主要以回溯搜索算法(BSA)和灰色預(yù)測演化算法(GPEAe)為研究對象,設(shè)計(jì)了兩種改進(jìn)的算法(MBSAg C和TOGPEAe),本文的主要研究內(nèi)容如下:(1)提出了“集體智慧”的概念受到人類和動物的趨優(yōu)行為和趨眾行為的啟發(fā),本文提出了一個(gè)新的理念:“集體智慧”。本文深度挖掘了最優(yōu)個(gè)體的引導(dǎo)信息(趨優(yōu)性)和種群個(gè)體的平均值(趨眾性)來提高算法的整體性能。其中根據(jù)集體智慧的趨優(yōu)性設(shè)計(jì)了一個(gè)新的趨優(yōu)性拓?fù)浞聪驅(qū)W習(xí)和一個(gè)趨優(yōu)性引導(dǎo)的線性組合以增強(qiáng)算法的局部...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 本文研究工作和創(chuàng)新點(diǎn)
    1.3 論文組織結(jié)構(gòu)
第2章 集體智慧引導(dǎo)的回溯搜索優(yōu)化算法(MBSAGC)
    2.1 基礎(chǔ)回溯搜索優(yōu)化算法(BSA)
    2.2 BSA優(yōu)缺點(diǎn)分析
    2.3 集體智慧引導(dǎo)的深度挖掘的回溯搜索優(yōu)化算法(MBSAGC)
    2.4 MBSAGC的數(shù)值測試分析
    2.5 數(shù)值實(shí)驗(yàn)
        2.5.1 基準(zhǔn)函數(shù)實(shí)驗(yàn)測試
        2.5.2 工程問題的數(shù)值實(shí)驗(yàn)
        2.5.3 數(shù)值實(shí)驗(yàn)結(jié)果的綜合討論分析
    2.6 符號檢驗(yàn)
    2.7 本章小結(jié)
第3章 集體智慧趨優(yōu)性引導(dǎo)的拓?fù)浠疑A(yù)測演化算法(TOGPEAE)
    3.1 基本灰色預(yù)測演化算法
    3.2 基于拓?fù)浞聪驅(qū)W習(xí)的灰色預(yù)測演化算法(TOGPEAE)
    3.3 TOGPEAE的數(shù)值實(shí)驗(yàn)
    3.4 TOGPEAE的分析與討論
        3.4.1 基準(zhǔn)函數(shù)實(shí)驗(yàn)測試
        3.4.2 工程設(shè)計(jì)問題數(shù)值實(shí)驗(yàn)
    3.5 符號檢驗(yàn)
    3.6 本章小結(jié)
第4章 總結(jié)與展望
致謝
附錄
參考文獻(xiàn)
個(gè)人簡介



本文編號：3768445