【摘要】：共生生物體搜索算法源于對生態(tài)系統(tǒng)中生物體生存繁衍共同生活這一共生關(guān)系的模擬,是一種新穎的元啟發(fā)式優(yōu)化算法。該算法結(jié)構(gòu)簡單,無需可調(diào)參數(shù),魯棒性、搜索能力強,且容易實現(xiàn),算法自提出以來愈來愈受到國內(nèi)外學(xué)者極大的關(guān)注,在復(fù)雜優(yōu)化和工程計算等方面得到廣泛地應(yīng)用。隨著研究的不斷深入,研究者發(fā)現(xiàn)該算法仍存在著收斂速度慢,尋優(yōu)精度不高等缺點,限制了共生生物體搜索算法的應(yīng)用范圍。本論文將共生生物體搜索算法應(yīng)用于解決實際問題,同時對算法中存在的不足進行分析,通過優(yōu)化算法的結(jié)構(gòu)和引入更新策略提高算法的性能,進一步完善算法的理論基礎(chǔ),擴展其應(yīng)用范圍。本文的工作主要包括以下3個方面:(1)在訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)的問題中,采用梯度下降法,如BP算法易陷入局部最優(yōu)且對初始值敏感,共生生物體搜索算法具有較強的局部探測和全局開采能力。通過分析和比較,實驗結(jié)果表明,該算法在優(yōu)化神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值時表現(xiàn)出高精度和高效率。(2)針對聚類分析問題,傳統(tǒng)方法如k-means方法存在對初始值敏感,易陷入局部最優(yōu)的缺點;共生生物體搜索算法在優(yōu)化聚類問題時,具有更好的全局搜索能力,避免過早陷入局部最優(yōu)的同時能夠提高尋優(yōu)精度。實驗仿真結(jié)果表明,該算法在數(shù)據(jù)集的聚類分析性能上有顯著提高。(3)進一步增強算法的局部搜索能力,將和聲搜索策略融入共生生物體搜索過程,形成含有四個搜索階段(互利階段、片利階段、寄生階段、和諧階段)的混合共生生物體搜索算法。為解決0-1背包問題,將混合算法離散化,并引入貪心搜索策略對求解過程中的可行解進行及時修正。達到增強算法的局部和全局搜索能力。
【學(xué)位授予單位】：廣西民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【參考文獻】

相關(guān)期刊論文 前5條

1 程魁;馬良;;0-1背包問題的螢火蟲群優(yōu)化算法[J];計算機應(yīng)用研究;2013年04期

2 宋曉萍;胡常安;;離散雜草優(yōu)化算法在0/1背包問題中的應(yīng)用[J];計算機工程與應(yīng)用;2012年30期

3 李枝勇;馬良;張惠珍;;遺傳變異蝙蝠算法在0-1背包問題上的應(yīng)用[J];計算機工程與應(yīng)用;2014年11期

4 劉建芹;賀毅朝;顧茜茜;;基于離散微粒群算法求解背包問題研究[J];計算機工程與設(shè)計;2007年13期

5 賀毅朝;劉坤起;張翠軍;張巍;;求解背包問題的貪心遺傳算法及其應(yīng)用[J];計算機工程與設(shè)計;2007年11期

，

本文編號：2573236