發(fā)布時間：2017-10-27 10:10

  本文關(guān)鍵詞：基于人工蜂群算法的約束優(yōu)化問題研究

  更多相關(guān)文章： 約束優(yōu)化 RCGABC算法 NDABC算法 蒙特卡洛法 聚類分析 RCSA算法 LCSA算法 模擬退火選擇機制 自適應(yīng)鄰域搜索機制

【摘要】：實際生活中的許多問題都可以轉(zhuǎn)化為約束優(yōu)化問題來處理,而約束問題的求解往往是工作的重點和難點。人工蜂群(ABC)算法為求解約束優(yōu)化問題提出了一種新的思路,它和其他群智能算法一樣,具有并行性高、魯棒性好和通用性強等優(yōu)點。初始蜜源的質(zhì)量對ABC算法的性能影響很大,甚至不少的ABC算法都要求其是可行的,但是傳統(tǒng)的隨機搜索很難得到令人滿意的結(jié)果,尤其是對于可行域占較小比例的強約束優(yōu)化問題。為了提高初始蜜源的質(zhì)量和增強ABC算法的尋優(yōu)效率,本文建立RCGABC算法模型,可以根據(jù)問題的特點靈活的選擇比例系數(shù),生成滿足需要的高質(zhì)量初始可行蜜源。首先,利用蒙特卡洛法近似模擬問題可行域在搜索域中占的比例,設(shè)置相應(yīng)的控制參數(shù)；其次,利用改進的ABC算法生成滿足需要的可行蜜源集S1；然后,根據(jù)本文建立的隨機壓縮搜索算法(RCSA)對蜜源集S1進行擴充,得到可行蜜源集Sz；最后,利用聚類算法將可行蜜源集S2進行分類,并根據(jù)蜜源的空間距離通過貪婪準則選取最優(yōu)蜜源。為了驗證算法的有效性,本文選取兩個較為復(fù)雜的測試函數(shù),關(guān)于計算時間和蜜源多樣性兩個方面,分別利用隨機法、ABC算法、隨機壓縮法以及RCGABC算法進行Matlab編程實驗,通過結(jié)果的對比分析,進而驗證本文的RCGABC算法的高效性。關(guān)于連續(xù)函數(shù)的約束優(yōu)化問題,本文建立改進混合人工蜂群算法求解模型。首先,利用RCGABC算法生成初始可行蜜源集；然后,針對采蜜蜂和觀察蜂建立自適應(yīng)鄰域搜索方式如下式：改進后的鄰域搜索操作在原始鄰域搜索公式中加入全局最優(yōu)蜜源指引項(Xgij-Xij),同時根據(jù)當前蜜源集的結(jié)構(gòu)特征設(shè)計自適應(yīng)加速因子Ψij,以及根據(jù)算法的進化代數(shù)設(shè)計自適應(yīng)比例因子Φij,通過自適應(yīng)調(diào)控蜂群向鄰域蜜源和最優(yōu)蜜源的搜索步長,增強算法的適應(yīng)和尋優(yōu)能力；其次,采用基于模擬退火策略的蜂群選擇機制,增強算法開拓能力,加快算法的收斂速度；最后,建立基于有限制壓縮搜索算法(LCSA)和隨機壓縮搜索算法(RCSA)的修補算子,保證蜜源在算法迭代過程中的可行性和多樣性,提高算法的搜索效率。為了驗證本文算法模型的有效性,選用7個不同類型的測試函數(shù)進行編程實驗,并將多次運行得到的結(jié)果與罰函數(shù)ABC算法、罰函數(shù)遺傳算法進行對比,驗證本文算法無論在最優(yōu)解質(zhì)量還是在收斂速度上都是最好的。關(guān)于組合約束優(yōu)化問題,本文建立NDABC算法求解模型。首先采用序號編碼方式表示約束問題的變量集,隨機生成序號集的全排列作為算法的初始蜜源,根據(jù)問題的特點采用貪婪準則和禁忌搜索策略生成相應(yīng)的實際組合方案；然后針對序號編碼的蜜源建立自適應(yīng)的鄰域搜索方式,根據(jù)算法的迭代過程自適應(yīng)的設(shè)置序號操作個數(shù),并根據(jù)問題的特點選擇相應(yīng)的操作方式,自適應(yīng)操作如下式所示：其中,cycle和Maxcycle分別為當前和最大進化代數(shù),MEmrise和MEmin分別表示最大序號操作增長數(shù)和最小位置操作數(shù),保證算法在前期具有較強的開拓能力,在后期具有更好的局部搜索功能。為了驗證NDABC算法關(guān)于組合優(yōu)化問題的求解效率,本文選用燃油運輸問題、背包問題和航班降落調(diào)度問題,針對各問題的特點建立合適編碼、解碼算子和自適應(yīng)鄰域搜索算子,并針對航班降落調(diào)度模型建立微調(diào)算子,利用Matlab編程求解,并與其他文獻的結(jié)果對比分析,驗證本文建立的NDABC算法關(guān)于組合優(yōu)化問題有相當高的計算效率。
【關(guān)鍵詞】：約束優(yōu)化 RCGABC算法 NDABC算法 蒙特卡洛法 聚類分析 RCSA算法 LCSA算法 模擬退火選擇機制 自適應(yīng)鄰域搜索機制
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O224;TP18
【目錄】：

• 摘要5-7
• Abstract7-13
• 第1章 緒論13-16
• 1.1 研究背景與研究意義13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-15
• 1.3 本文主要工作及結(jié)構(gòu)安排15-16
• 第2章 研究基礎(chǔ)16-26
• 2.1 約束優(yōu)化問題綜述16-20
• 2.1.1 約束優(yōu)化問題描述16-17
• 2.1.2 約束處理方法17-20
• 2.2 ABC算法研究基礎(chǔ)20-25
• 2.2.1 ABC算法的生物模型20-22
• 2.2.2 ABC算法原理22-24
• 2.2.3 ABC算法的實現(xiàn)步驟24-25
• 2.3 小結(jié)25-26
• 第3章 基于RCGABC算法的初始可行蜜源生成26-41
• 3.1 RCGABC算法簡介26-27
• 3.2 改進ABC算法生成初步可行蜜源27-31
• 3.2.1 初始化參數(shù)28
• 3.2.2 罰值函數(shù)和適應(yīng)度函數(shù)的建立28-29
• 3.2.3 偵查蜂生成初始蜜源29
• 3.2.4 采蜜蜂操作29-30
• 3.2.5 觀察蜂操作30
• 3.2.6 偵查蜂更新30-31
• 3.2.7 終止條件31
• 3.3 RCSA算法擴充可行蜜源31-34
• 3.4 聚類分析和貪婪選擇34-35
• 3.5 仿真實驗及結(jié)果分析35-40
• 3.5.1 蜜源多樣性評價標準35-37
• 3.5.2 仿真實驗及結(jié)果分析37-40
• 3.6 小結(jié)40-41
• 第4章 求解約束優(yōu)化問題的改進混合人工蜂群算法41-61
• 4.1 自適應(yīng)蜜源更新方式41-44
• 4.1.1 粒子群算法41-42
• 4.1.2 自適應(yīng)全局搜索模式42-44
• 4.2 基于模擬退火策略的選擇機制44-46
• 4.2.1 模擬退火算法44-45
• 4.2.2 蜂群選擇方式的改進45-46
• 4.3 修補策略46-48
• 4.4 數(shù)值實驗及結(jié)果分析48-60
• 4.5 小結(jié)60-61
• 第五章 基于NDABC算法的組合優(yōu)化問題求解61-79
• 5.1 NDABC算法流程61-63
• 5.1.1 編碼及解碼操作61
• 5.1.2 自適應(yīng)鄰域搜索操作61-63
• 5.2 基于NDABC算法燃油運輸問題63-67
• 5.2.1 燃油運輸問題簡介63-64
• 5.2.2 基于NDABC算法的燃油運輸問題求解流程64-66
• 5.2.3 仿真實驗及結(jié)果分析66-67
• 5.3 基于NDABC算法的背包問題67-73
• 5.3.1 0-1背包問題簡介68
• 5.3.2 基于NDABC算法的背包問題求解流程68-70
• 5.3.3 仿真實驗和結(jié)果分析70-73
• 5.4 基于NDABC算法的航班降落調(diào)度問題73-78
• 5.4.1 航班降落調(diào)度問題簡介73-74
• 5.4.2 基于NDABC算法的航班降落調(diào)度問題求解流程74-77
• 5.4.3 仿真實驗和結(jié)果分析77-78
• 5.5 小結(jié)78-79
• 第六章 總結(jié)與展望79-81
• 6.1 總結(jié)79-80
• 6.2 展望80-81
• 參考文獻81-85
• 攻讀研究生期間發(fā)表的論文85-86
• 致謝86

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 劉強;姜麟;吳云;;基于旅行商問題的粒子群優(yōu)化算法[J];微計算機信息;2012年03期

2 韓鳳嬌;;一種基于遺傳算法求解TSP問題的優(yōu)化算法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2012年07期

3 葉桂林;;Lingo軟件在運輸優(yōu)化問題中的應(yīng)用[J];現(xiàn)代商業(yè);2011年23期

4 陳峰;武小悅;;基于定向變異算子的求解GA欺騙問題研究[J];系統(tǒng)工程與電子技術(shù);2009年01期

5 劉亮;郭宇;顧婷;蘇艷;;面向生產(chǎn)線仿真模型的優(yōu)化技術(shù)研究[J];機械制造與自動化;2007年01期

6 李秀蘭;劉廣智;;灰色GM(1,1)模型在遼寧省貨運量預(yù)測中的應(yīng)用[J];物流技術(shù);2013年21期

，

本文編號：1103023