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(duì)腎啟發(fā)算法性能研究的基礎(chǔ)上,對(duì)腎啟發(fā)算法的改進(jìn)作了進(jìn)一步研究。本文的主要研究?jī)?nèi)容如下:(1)簡(jiǎn)要介紹腎啟發(fā)算法的產(chǎn)生以及原理,并結(jié)合優(yōu)化經(jīng)典測(cè)試函數(shù)的結(jié)果、收斂曲線和群體分布圖評(píng)價(jià)算法的性能,基于此總結(jié)了腎啟發(fā)算法的不足。(2)針對(duì)腎啟發(fā)算法的不足,本文受粒子群算法的啟發(fā),改進(jìn)腎啟發(fā)算法的運(yùn)動(dòng)方程,為了進(jìn)一步增強(qiáng)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(duì)典型測(cè)試函數(shù)的優(yōu)化結(jié)果的評(píng)價(jià)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(jié)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(jìn)RBF網(wǎng)絡(luò),并應(yīng)用改進(jìn)的RBF網(wǎng)絡(luò)對(duì)汽油管道調(diào)合過(guò)程進(jìn)行建模,與經(jīng)驗(yàn)法的RBF以及K均值的RBF的建模結(jié)果對(duì)比,改進(jìn)的RBF網(wǎng)絡(luò)具有更高的精度。(3)為了進(jìn)一步提高腎啟發(fā)算法的性能,本文重新定義濾過(guò)函數(shù)和運(yùn)動(dòng)方程,同時(shí)引入萊維飛行,提出了改進(jìn)的腎啟發(fā)算法,在與其它三種優(yōu)化算法的客觀評(píng)價(jià)中,改進(jìn)的腎啟發(fā)算法性能最優(yōu)。為了建立FCCU反應(yīng)-再生系統(tǒng)的精確...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)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(gè)毛細(xì)血管小葉而形成。??在腎臟產(chǎn)生尿液的過(guò)程中，主要功能為：腎小球的濾過(guò)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(cè)試與分析??為了進(jìn)一步客觀地評(píng)價(jià)ＫＡ的性能，本章添加了一些在文獻(xiàn)未使用的目??

圖２．２腎啟發(fā)算法的流程圖??性能測(cè)試與分析??進(jìn)一步客觀地評(píng)價(jià)ＫＡ的性能，本章添加了一些在文獻(xiàn)未使用的目??對(duì)算法進(jìn)行測(cè)試。目標(biāo)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(cè)試函數(shù)的曲面圖??測(cè)試函數(shù)的參數(shù)設(shè)置見(jiàn)表２．２

?ｔ??（結(jié)束）??圖２．２腎啟發(fā)算法的流程圖??２．３算法性能測(cè)試與分析??為了進(jìn)一步客觀地評(píng)價(jià)ＫＡ的性能，本章添加了一些在文獻(xiàn)未使用的目??標(biāo)函數(shù)，對(duì)算法進(jìn)行測(cè)試。目標(biāo)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(jié)合圖２．４和圖２．５可以得出：對(duì)２維Ａｃｋｌｅｙ的優(yōu)化過(guò)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(gè)體都收斂在最優(yōu)點(diǎn)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(hào)：3965529