【摘要】：群(體)智能(swarm intelligence,SI)是指由簡(jiǎn)單的自治體所組成的群體所展現(xiàn)的集體智能。受自然界昆蟲的啟發(fā)產(chǎn)生的智能優(yōu)化算法,是通過對(duì)昆蟲自然行為的模擬研究而提出的一系列運(yùn)用于解決傳統(tǒng)復(fù)雜問題的新方法,這種新興的演化計(jì)算技術(shù)已成為越來越多研究者關(guān)注的研究熱點(diǎn)。人工魚群算法(AFSA)就是一種群智能算法,且是一種新型的隨機(jī)搜索優(yōu)化算法,即通過模仿魚群的四種基本自然行為,包括覓食行為、聚群行為、追尾行為和隨機(jī)行為來解決優(yōu)化問題。初步研究表明該算法具有許多優(yōu)良的性質(zhì)和特點(diǎn),如并行性、簡(jiǎn)單性、快速跳出局部極值、尋優(yōu)速度快等特點(diǎn),但也有一些不足之處。本文針對(duì)常數(shù)擁擠度因子導(dǎo)致算法存在的兩點(diǎn)不足,即迂回搜索會(huì)使得該算法運(yùn)行時(shí)間過長(zhǎng)和該算法得到的最優(yōu)解與實(shí)際最優(yōu)值誤差較大,根據(jù)追尾行為、聚群行為中的擁擠度因子的作用機(jī)理,提出了新的適應(yīng)度函數(shù),并采用指數(shù)式衰減變化策略,使擁擠度因子隨迭代次數(shù)的增加而自適應(yīng)減小,在全局搜索至逼近全局極值點(diǎn)附近后,精確搜索,不僅加快了系統(tǒng)滿意解的收斂速度,也使數(shù)值解更穩(wěn)定。同時(shí),針對(duì)均勻隨機(jī)行為導(dǎo)致搜索次數(shù)增加算法不能快速收斂,且易陷入局部最優(yōu)的問題,本文引入對(duì)稱正態(tài)隨機(jī)行為,采用正態(tài)分布隨機(jī)調(diào)整該行為中的步長(zhǎng),減少迂回搜索的無用計(jì)算,提高搜索效率。另外,受到人工蜂群算法的啟發(fā),提出基于跟隨行為的人工魚群算法,通過觀察各個(gè)引領(lǐng)魚的適應(yīng)度值,并依據(jù)選擇概率的大小自動(dòng)確定跟隨其中一個(gè)引領(lǐng)魚,減少基本人工魚群算法中的參數(shù)選取,避免由經(jīng)驗(yàn)設(shè)置的非適應(yīng)性的參數(shù)對(duì)優(yōu)化的影響。最后,將人工魚群算法運(yùn)用到編隊(duì)反潛作戰(zhàn)任務(wù)規(guī)劃的三級(jí)優(yōu)化模型中,并進(jìn)行相關(guān)實(shí)證分析,實(shí)現(xiàn)對(duì)DAD模型的求解。
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳阿慧;李艷娟;郭繼峰;;人工蜂群算法綜述[J];智能計(jì)算機(jī)與應(yīng)用;2014年06期

2 付麗;羅鈞;;引入跟蹤搜索和免疫選擇的人工蜂群算法[J];模式識(shí)別與人工智能;2013年07期

3 黃秋菀;王志剛;夏慧明;;求解旅行商問題的人工蜂群算法[J];價(jià)值工程;2013年09期

4 黃光球;劉嘉飛;姚玉霞;;人工魚群算法的全局收斂性證明[J];計(jì)算機(jī)工程;2012年02期

5 肖曉偉;肖迪;林錦國;肖玉峰;;多目標(biāo)優(yōu)化問題的研究概述[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

6 王聯(lián)國;施秋紅;;人工魚群算法的參數(shù)分析[J];計(jì)算機(jī)工程;2010年24期

7 朱峰;陳莉;;一種改進(jìn)的蟻群聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年06期

8 陳廣洲;汪家權(quán);李傳軍;魯祥友;;一種改進(jìn)的人工魚群算法及其應(yīng)用[J];系統(tǒng)工程;2009年12期

9 張梅鳳;邵誠;;多峰函數(shù)優(yōu)化的生境人工魚群算法[J];控制理論與應(yīng)用;2008年04期

10 盧雪燕;蔡菲菲;;基于多群競(jìng)爭(zhēng)的改進(jìn)人工魚群算法[J];梧州學(xué)院學(xué)報(bào);2008年03期

相關(guān)博士學(xué)位論文 前1條

1 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

，

本文編號(hào)：2557455