【摘要】：隨著人工智能和大數(shù)據(jù)的迅猛發(fā)展,大數(shù)據(jù)的爆炸式增長和問題的復(fù)雜性分布導(dǎo)致對并行智能處理的要求日趨迫切.傳統(tǒng)的理論模型和技術(shù)方法面臨嚴(yán)峻挑戰(zhàn),受自然界啟發(fā)的物理學(xué)法則和生物學(xué)方法逐漸成為研究熱點(diǎn).受多頭絨泡菌的生長覓食等行為啟發(fā),提出了一種基于能量機(jī)制的多頭絨泡菌動力學(xué)算法(physarum-energy dynamic optimization algorithm,PEO).該算法以多頭絨泡菌算法為基礎(chǔ),根據(jù)其動力學(xué)特征,引入能量機(jī)制,以改進(jìn)現(xiàn)有的多頭絨泡菌算法全局信息交互能力差等缺點(diǎn).此外,PEO引入了年齡因子的概念和擾動機(jī)制,以控制算法在不同階段的尋優(yōu)能力和收斂速度,并從理論角度對算法模型的收斂性進(jìn)行證明.最后,通過在TSP數(shù)據(jù)集上實(shí)驗(yàn)證明算法在不同規(guī)模數(shù)據(jù)集的有效性和收斂性,并進(jìn)行了參數(shù)分析.與其他的優(yōu)化算法的對比實(shí)驗(yàn)數(shù)據(jù)表明,PEO在面對復(fù)雜問題的求解速度和收斂速度明顯優(yōu)于其他的優(yōu)化算法,具有高精度和快收斂的特性.
[Abstract]:With the rapid development of artificial intelligence and big data, the explosive growth of big data and the complexity distribution of problems lead to the urgent need of parallel intelligent processing. Traditional theoretical models and technical methods are facing severe challenges, and the physical and biological methods inspired by nature have gradually become the focus of research. A dynamic algorithm based on energy mechanism (physarum-energy dynamic optimization algorithm,PEO) was proposed, which was inspired by the growth and foraging behavior of Phaeopsis multiceps. The algorithm is based on the multi-headed actinomycetes algorithm. According to its dynamic characteristics, the energy mechanism is introduced to improve the global information interaction ability of the existing multi-headed actinomycetes algorithm. In addition, PEO introduces the concept of age factor and perturbation mechanism to control the optimization ability and convergence rate of the algorithm in different stages, and proves the convergence of the algorithm model from a theoretical point of view. Finally, the validity and convergence of the algorithm in different scale data sets are proved by experiments on TSP datasets, and the parameters are analyzed. Compared with other optimization algorithms, the experimental data show that the solution speed and convergence speed of PEO in the face of complex problems are obviously superior to those of other optimization algorithms, and have the characteristics of high accuracy and fast convergence.
【作者單位】： 華東理工大學(xué)信息科學(xué)與工程學(xué)院;上海交通大學(xué)智慧城市協(xié)同創(chuàng)新中心;
【基金】：國家自然科學(xué)基金項(xiàng)目(61472139,61462073) 上海市經(jīng)濟(jì)和信息委員會信息化發(fā)展專項(xiàng)資金項(xiàng)目(201602008) 上海市智慧城市協(xié)同創(chuàng)新中心開放基金項(xiàng)目~~
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張世文;李智勇;陳少淼;李仁發(fā);;基于生態(tài)策略的動態(tài)多目標(biāo)優(yōu)化算法[J];計(jì)算機(jī)研究與發(fā)展;2014年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前4條

1 劉陽;馮翔;虞慧群;羅飛;;基于能量機(jī)制的多頭絨泡菌動力學(xué)優(yōu)化算法[J];計(jì)算機(jī)研究與發(fā)展;2017年08期

2 劉敏;曾文華;劉玉珍;;動態(tài)進(jìn)化多目標(biāo)優(yōu)化中的串式記憶方法[J];計(jì)算機(jī)科學(xué);2016年12期

3 魏立新;王利平;徐德樹;林鵬;楊景明;;基于多領(lǐng)導(dǎo)粒子策略的DMPSO算法在冷軋液壓APC系統(tǒng)中的應(yīng)用[J];中國機(jī)械工程;2015年23期

4 李智勇;李崢;陳恒勇;張世文;;基于正交設(shè)計(jì)的動態(tài)多目標(biāo)優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2016年14期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 陶媛;吳耿鋒;胡珉;;一種基于進(jìn)化與免疫的動態(tài)多目標(biāo)人工免疫系統(tǒng)模型[J];計(jì)算機(jī)科學(xué);2010年01期

2 劉淳安;王宇平;;基于新模型的動態(tài)多目標(biāo)優(yōu)化進(jìn)化算法[J];計(jì)算機(jī)研究與發(fā)展;2008年04期

3 尚榮華;焦李成;公茂果;馬文萍;;免疫克隆算法求解動態(tài)多目標(biāo)優(yōu)化問題[J];軟件學(xué)報(bào);2007年11期

4 曹先彬,羅文堅(jiān),王煦法;基于生態(tài)種群競爭模型的協(xié)同進(jìn)化[J];軟件學(xué)報(bào);2001年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 魏強(qiáng);李雨;;基于有限元分析的結(jié)構(gòu)動力學(xué)優(yōu)化[J];電子機(jī)械工程;2010年02期

2 吳立成,陸震,于守謙,鄭紅;一種柔性冗余度機(jī)器人的動力學(xué)優(yōu)化算法[J];機(jī)械科學(xué)與技術(shù);2001年03期

3 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 譚陸洋;衛(wèi)星主承力構(gòu)件與光學(xué)相機(jī)的共結(jié)構(gòu)設(shè)計(jì)及動力學(xué)優(yōu)化[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2017年

相關(guān)碩士學(xué)位論文 前1條

1 劉建東;基于軌跡的3R串聯(lián)搬運(yùn)機(jī)械手動力學(xué)優(yōu)化研究[D];沈陽工業(yè)大學(xué);2017年

，

本文編號：2210929