腎啟發(fā)算法是一種受人體腎臟功能啟發(fā)的智能算法。本文在對腎啟發(fā)算法性能研究的基礎上,對腎啟發(fā)算法的改進作了進一步研究。本文的主要研究內(nèi)容如下:(1)簡要介紹腎啟發(fā)算法的產(chǎn)生以及原理,并結合優(yōu)化經(jīng)典測試函數(shù)的結果、收斂曲線和群體分布圖評價算法的性能,基于此總結了腎啟發(fā)算法的不足。(2)針對腎啟發(fā)算法的不足,本文受粒子群算法的啟發(fā),改進腎啟發(fā)算法的運動方程,為了進一步增強算法的局部搜索精度,引入分子操作。與另外兩種優(yōu)化算法對典型測試函數(shù)的優(yōu)化結果的評價中,表明受粒子群算法啟發(fā)的腎算法的性能最優(yōu)。此外,本文引入了卡普陀梯度下降算法,該算法的搜索精度優(yōu)于傳統(tǒng)的梯度下降算法。為了建立更精確的模型,本文結合受粒子群算法啟發(fā)的腎算法和卡普陀梯度下降算法改進RBF網(wǎng)絡,并應用改進的RBF網(wǎng)絡對汽油管道調(diào)合過程進行建模,與經(jīng)驗法的RBF以及K均值的RBF的建模結果對比,改進的RBF網(wǎng)絡具有更高的精度。(3)為了進一步提高腎啟發(fā)算法的性能,本文重新定義濾過函數(shù)和運動方程,同時引入萊維飛行,提出了改進的腎啟發(fā)算法,在與其它三種優(yōu)化算法的客觀評價中,改進的腎啟發(fā)算法性能最優(yōu)。為了建立FCCU反應-再生系統(tǒng)的精確...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

圖２．１腎功能示意圖［７］??２．２．２腎啟發(fā)算法的原理??

分支成五到八個毛細血管小葉而形成。??在腎臟產(chǎn)生尿液的過程中，主要功能為：腎小球的濾過作用、腎小管和集合??管的重吸收、腎小管與集合管的分泌作用和排泄功能［５Ｇ］，其基本功能示意圖２．１。??（１）

圖２．２腎啟發(fā)算法的流程圖??２．３算法性能測試與分析??為了進一步客觀地評價ＫＡ的性能，本章添加了一些在文獻未使用的目??

圖２．２腎啟發(fā)算法的流程圖??性能測試與分析??進一步客觀地評價ＫＡ的性能，本章添加了一些在文獻未使用的目??對算法進行測試。目標函數(shù)具體形式如下：??Ｒａｓｔｒｉｇｉｎ?函數(shù)：??ｎ???（ｘ＾２?－１０?ｃｏｓ（２＾ｘ；）?＋１０）??＝ｌ??Ｍｉｃｈａｌｅｗｉｃｚ?函數(shù)：?....

圖２．３測試函數(shù)的曲面圖??測試函數(shù)的參數(shù)設置見表２．２

?ｔ??（結束）??圖２．２腎啟發(fā)算法的流程圖??２．３算法性能測試與分析??為了進一步客觀地評價ＫＡ的性能，本章添加了一些在文獻未使用的目??標函數(shù)，對算法進行測試。目標函數(shù)具體形式如下：??（１）?Ｒａｓｔｒｉｇｉｎ?函數(shù)：??ｎ??ｆｅａ＝ｙ＾?（ｘ＾２?－１０?ｃｏｓ（２....

圖２．４算法收斂曲線??

（ａ）第４次迭代?〇〇第４０次迭代??圖２．５群體分布圖??結合圖２．４和圖２．５可以得出：對２維Ａｃｋｌｅｙ的優(yōu)化過程中，雖然ＫＡ第??４０次迭代中已經(jīng)收斂到最優(yōu)區(qū)域，但是，ＫＡ的大部分個體都收斂在最優(yōu)點區(qū)域，??群體喪失活性，顯然在１００次迭代中，群體早熟現(xiàn)象明顯。??綜上，....

本文編號：3965529