本文選題：數(shù)值優(yōu)化　切入點：回溯搜索算法　出處：《山東大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：優(yōu)化是應(yīng)用數(shù)學(xué)中的一個重要的研究領(lǐng)域,基于自然仿生的優(yōu)化算法已經(jīng)成為人工智能和計算機科學(xué)的重要研究方向�；厮菟阉魉惴�(BSA)是一種新穎的進化算法,其采用一種獨特的變異和交叉策略,能夠利用種群的歷史信息引導(dǎo)種群進化,保證了全局搜索能力和局部探索能力的平衡。然而,種群歷史信息在一定水平上影響算法的收斂速度。因此,本文提出了由最優(yōu)個體引導(dǎo)的回溯搜索算法以及混合序列二次規(guī)劃算法的回溯搜索算法。本文的具體工作概括如下:1.提出了一種求解數(shù)值優(yōu)化問題的改進的回溯搜索算法:由最優(yōu)個體引導(dǎo)的回溯搜索算法。為了提高算法收斂速度和求解精度,本文設(shè)計了一種由最優(yōu)個體引導(dǎo)的算子。種群進化前期,由歷史信息引導(dǎo)的種群進化策略能夠保證算法的全局搜索能力。種群進化后期,算法采用最優(yōu)個體引導(dǎo)的進化算子提高局部搜索能力。因此,算法的全局勘探和局部搜索能力達到相對平衡。該方法在CEC-2013測試集上進行測試得到的結(jié)果表明,它能夠有效求解基準函數(shù)并且提高收斂速度。2.提出了一種針對數(shù)值優(yōu)化問題的基于回溯搜索算法的混合算法:結(jié)合序列二次規(guī)劃的回溯搜索算法。該算法將回溯搜索算法作為全局搜索技術(shù),序列二次規(guī)劃算法作為局部探索工具。為了提高算法的搜索效率和收斂速度,定義了搜索階段的迭代前期和后期。該算法在迭代前期結(jié)合序列二次規(guī)劃算法并以一定概率調(diào)用,盡早引導(dǎo)種群向更優(yōu)方向進化。該算法在CEC-2005和CEC-2013測試集上進行測試,實驗結(jié)果表明該方法能夠求解基準測試函數(shù),提供更加精確的結(jié)果。
[Abstract]:Optimization is an important research field in applied mathematics. Optimization algorithm based on natural bionics has become an important research direction of artificial intelligence and computer science. Backtracking search algorithm (BSAA) is a novel evolutionary algorithm. It adopts a unique mutation and crossover strategy, which can use the historical information of the population to guide the evolution of the population and ensure the balance between the global search ability and the local exploration ability. Population history information affects the convergence rate of the algorithm at a certain level. In this paper, a backtracking search algorithm guided by the optimal individual and a backtracking search algorithm based on mixed sequence quadratic programming are proposed. The specific work of this paper is summarized as follows: 1. An improved backtracking algorithm for solving numerical optimization problems is proposed. Search algorithm: backtracking search algorithm guided by the optimal individual. In order to improve the convergence speed and accuracy of the algorithm, In this paper, an operator guided by the optimal individual is designed. In the early stage of population evolution, the strategy of population evolution guided by historical information can guarantee the global searching ability of the algorithm. The algorithm uses the evolutionary operator guided by the optimal individual to improve the local search ability. Therefore, the global exploration and local search ability of the algorithm reach a relative balance. The results obtained by the method on the CEC-2013 test set show that, It can effectively solve the benchmark function and improve the convergence speed. 2. A hybrid algorithm based on backtracking search algorithm for numerical optimization problems is proposed: a backtracking search algorithm based on sequential quadratic programming. Search algorithm as a global search technology, Sequential quadratic programming (SQP) is used as a local exploration tool. In order to improve the search efficiency and convergence speed of the algorithm, the pre-iteration and late-stage of the search phase are defined. The algorithm combines the sequential quadratic programming algorithm with the sequential quadratic programming algorithm in the early iteration period and is called with a certain probability. The algorithm is tested on CEC-2005 and CEC-2013 test sets. The experimental results show that the method can solve the benchmark function and provide more accurate results.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 宋輝,戴葵,王志英;一種改進的量子搜索算法[J];計算機工程與科學(xué);2002年05期

2 YanJill;;搜索算法縱橫[J];中文信息;2002年08期

3 孫吉貴,何雨果;量子搜索算法[J];軟件學(xué)報;2003年03期

4 孫力;須文波;;量子搜索算法體系及其應(yīng)用[J];計算機工程與應(yīng)用;2006年14期

5 耿汝年;須文波;魏士靖;劉國玲;;無信息圖搜索算法的改進研究[J];山東輕工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年02期

6 徐豐民;陳啟興;;電視節(jié)目自動跳躍搜索算法[J];現(xiàn)代電子技術(shù);2007年04期

7 詹志輝;胡曉敏;張軍;;通過八數(shù)碼問題比較搜索算法的性能[J];計算機工程與設(shè)計;2007年11期

8 文家焱;王國利;;絕熱量子搜索算法中的糾纏與能量分析[J];計算機研究與發(fā)展;2008年S1期

9 周日貴;;多模式部分量子搜索算法[J];西南交通大學(xué)學(xué)報;2008年04期

10 鐘普查;鮑皖蘇;隗云;;改進的多目標元素量子搜索算法[J];計算機工程與應(yīng)用;2009年18期

相關(guān)會議論文 前10條

1 張玲;姜立志;;能量抵消測量相位中的相位搜索算法[A];2009年全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會換屆改選會議論文集[C];2009年

2 李金;蔣國平;;一種改進的復(fù)雜網(wǎng)絡(luò)搜索算法[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 羅家祥;唐立新;李小林;劉建榮;鄔成新;;分散搜索算法在板坯匹配優(yōu)化問題中的應(yīng)用研究[A];全國冶金自動化信息網(wǎng)2009年會論文集[C];2009年

4 李瀟磊;伍瑞卿;朱維樂;;運動搜索算法的比較與改進[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

5 程振波;鄧志東;;優(yōu)化策略模型下的匹配律算法[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

6 彭明僑;羅先覺;鄒曉松;;基于改進概率搜索算法的模擬電路故障診斷[A];第四屆中國測試學(xué)術(shù)會議論文集[C];2006年

7 常新杰;李言俊;;搜索算法的研究進展[A];1998年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1998年

8 糜玉林;左斌;;基于協(xié)同控制的極值搜索算法與控制器一體化設(shè)計[A];2007年中國智能自動化會議論文集[C];2007年

9 鐘普查;鮑皖蘇;;基于相位變換的量子搜索算法研究[A];第十三屆全國量子光學(xué)學(xué)術(shù)報告會論文摘要集[C];2008年

10 羅春華;張繼勇;鄭方;徐明星;;一種基于HTK的詞圖搜索算法[A];第六屆全國人機語音通訊學(xué)術(shù)會議論文集[C];2001年

相關(guān)博士學(xué)位論文 前9條

1 朱皖寧;離散量子行走研究[D];東南大學(xué);2015年

2 孫杰;基于絕熱演化的量子搜索算法研究[D];華中科技大學(xué);2013年

3 張映玉;絕熱量子搜索算法研究[D];華中科技大學(xué);2011年

4 閻興，

本文編號：1641847