本文關(guān)鍵詞：狼群算法的研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：狼群算法(Wolf Colony Algorithm,WCA)是2011年提出的一種群智能優(yōu)化算法,現(xiàn)已實(shí)現(xiàn)在醫(yī)學(xué)、三維傳感器優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)、水利水電優(yōu)化等眾多領(lǐng)域上的應(yīng)用,并獲得優(yōu)質(zhì)的實(shí)驗(yàn)效果,使其成為目前比較流行、前景廣闊的智能計(jì)算方法之一。然而,與其他智能優(yōu)化算法類似,在理論研究階段,存在一些問題需要解決,如提高算法在優(yōu)化問題中的各種性能、拓展算法應(yīng)用領(lǐng)域等。本課題為擴(kuò)充WCA算法的理論體系與實(shí)踐應(yīng)用,針對(duì)WCA算法存在的不足,在理論研究上,針對(duì)各種典型優(yōu)化問題進(jìn)行算法研究,主要采用兩方面進(jìn)行優(yōu)化,其一,改進(jìn)WCA算法的內(nèi)在運(yùn)行機(jī)制,以提高WCA算法求解單目標(biāo)優(yōu)化、多峰優(yōu)化以及多目標(biāo)優(yōu)化問題上的性能;其二,引入其他機(jī)制,融合在WCA算法的尋優(yōu)策略中,試圖使算法具備處理多峰優(yōu)化問題和多目標(biāo)優(yōu)化問題的能力。在應(yīng)用上,將改進(jìn)的WCA算法應(yīng)用在無(wú)人機(jī)航跡規(guī)劃上,取得了較好的效果。具體如下:第一,在單目標(biāo)優(yōu)化上,為了改善WCA算法收斂速度慢、收斂精度不高、易陷入局部極值等不足,對(duì)WCA算法內(nèi)在機(jī)制進(jìn)行深入研究:為了避免算法陷入局部極值,為游走行為與奔襲行為設(shè)計(jì)了交互策略,使得探狼、猛狼能更好的掌握全局信息;為了加速算法收斂速度與收斂精度,為狼群圍攻行為設(shè)計(jì)了自適應(yīng)行為,能夠動(dòng)態(tài)調(diào)節(jié)圍攻范圍,綜上提出一種改進(jìn)搜索策略的狼群算法(Modified Wolf Colony Algorithm,MWCA),通過(guò)仿真實(shí)驗(yàn)說(shuō)明MWCA收斂速度快、收斂精度高。第二,在多峰優(yōu)化上,引入小生境技術(shù)和共享適應(yīng)度模型,使WCA算法具備處理能力。一方面,為使算法能夠搜索出盡可能多的峰值點(diǎn),引入小生境技術(shù),使得算法具備識(shí)別峰的能力。對(duì)算法機(jī)制改進(jìn)如下:第一,改進(jìn)原算法依據(jù)適應(yīng)度值選擇探狼的方法,引入共享適應(yīng)度值作為選擇探狼的依據(jù);第二,運(yùn)用排擠策略,確定算法進(jìn)化方向;第三,對(duì)狼群更新機(jī)制,采用自適應(yīng)的小生境方法確定迭代種群,增強(qiáng)算法聚集各個(gè)峰值點(diǎn)的能力;第四,為了增強(qiáng)算法的尋優(yōu)精度,對(duì)游走行為和奔襲行為加入交互策略,增強(qiáng)算法的全局尋優(yōu)能力;對(duì)圍攻行為進(jìn)行自適應(yīng)化,加快算法收斂速度。綜上,提出小生境狼群算法(Niche Wolf Colony Algorithm,NWCA),仿真實(shí)驗(yàn)表明,NWCA算法能夠準(zhǔn)確識(shí)別各個(gè)峰值點(diǎn),且精度較高。第三,在多目標(biāo)優(yōu)化上,首先,為了加速種群進(jìn)化同時(shí)避免算法陷入局部極值,根據(jù)精英搜索策略結(jié)合正弦函數(shù)法改進(jìn)游走行為,提升算法開采能力;其次,依據(jù)多目標(biāo)優(yōu)化的特點(diǎn),結(jié)合Pareto支配定義,提出了依據(jù)Pareto等級(jí)的自適應(yīng)奔襲行為,有效促進(jìn)算法進(jìn)化;再次,通過(guò)個(gè)體適應(yīng)度調(diào)節(jié)公式,結(jié)合邊界個(gè)體提出狼群自適應(yīng)圍攻行為,避免算法盲目搜索;最后,結(jié)合外部種群,給出算法種群進(jìn)化方向,保留優(yōu)質(zhì)個(gè)體。綜上,提出一種求解多目標(biāo)優(yōu)化的狼群算法(Multi-objective Optimization based on Wolf Colony Algorithm,MO-WCA),實(shí)驗(yàn)表明,MO-WCA算法具有較好的收斂性與分布均勻性。第四,在無(wú)人機(jī)航跡規(guī)劃上,通過(guò)等效地形法建立航跡規(guī)劃模型,將地形障礙與敵方威脅等效山峰化。對(duì)起始點(diǎn)和終點(diǎn)已知的無(wú)人機(jī)航跡優(yōu)化問題,通過(guò)改進(jìn)的MWCA算法求解,實(shí)驗(yàn)表明,MWCA算法有效縮短了飛行距離,能夠有效解決無(wú)人機(jī)航跡規(guī)劃問題。綜上所述,本課題在WCA算法基礎(chǔ)上增添交互行為與自適應(yīng)行為提出的MWCA算法在求解單目標(biāo)優(yōu)化問題上具有更快的收斂速度與更高的收斂精度;創(chuàng)新性的在WCA算法上融合小生境技術(shù)與排擠策略,并優(yōu)化算法尋優(yōu)方式,在此基礎(chǔ)上提出的NWCA算法很好的解決了多峰優(yōu)化問題,彌補(bǔ)了WCA算法在多峰優(yōu)化問題上的空白;改變WCA算法的內(nèi)在機(jī)制,結(jié)合Pareto理論體系與Harmonic擁擠距離構(gòu)建的MO-WCA算法在多目標(biāo)優(yōu)化上表現(xiàn)出更好的收斂精度與種群分布性,彌補(bǔ)了WCA算法在多目標(biāo)優(yōu)化問題上的空缺;對(duì)無(wú)人機(jī)航跡規(guī)劃問題,通過(guò)MWCA算法獲得更加精確的航跡路程,說(shuō)明MWCA算法的具有更高的應(yīng)用價(jià)值。
【關(guān)鍵詞】：狼群算法 單目標(biāo)優(yōu)化 多峰優(yōu)化 多目標(biāo)優(yōu)化 無(wú)人機(jī)航跡規(guī)劃
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 摘要5-7
• Abstract7-13
• 1 緒論13-19
• 1.1 研究背景與意義13-14
• 1.2 群智能算法簡(jiǎn)介14-15
• 1.3 狼群算法的國(guó)內(nèi)外研究現(xiàn)狀15-16
• 1.4 本文主要研究?jī)?nèi)容及章節(jié)內(nèi)容綜述16-19
• 2 狼群算法概述19-27
• 2.1 引言19
• 2.2 狼群算法的生物學(xué)背景19-20
• 2.3 狼群算法的基本原理20-22
• 2.4 狼群算法的具體步驟22-23
• 2.5 狼群算法特點(diǎn)23-24
• 2.6 WPA算法與其他智能算法比較24-25
• 2.7 狼群算法的收斂性證明25-26
• 2.8 本章小結(jié)26-27
• 3 高維復(fù)雜單目標(biāo)連續(xù)優(yōu)化問題的改進(jìn)狼群算法27-45
• 3.1 引言27
• 3.2 高維復(fù)雜單目標(biāo)連續(xù)優(yōu)化問題下的狼群算法改進(jìn)原理27-32
• 3.2.1 交互游走行為28-29
• 3.2.2 交互奔襲行為29-31
• 3.2.3 自適應(yīng)圍攻行為31
• 3.2.4 高維復(fù)雜單目標(biāo)函數(shù)優(yōu)化下MWCA算法的操作流程31-32
• 3.2.5 MWCA算法復(fù)雜度分析32
• 3.3 仿真實(shí)驗(yàn)與結(jié)果分析32-44
• 3.3.1 標(biāo)準(zhǔn)測(cè)試函數(shù)的選取與算法評(píng)價(jià)標(biāo)準(zhǔn)32-33
• 3.3.2 算法結(jié)果分析33-44
• 3.3.2.1 交互游走行為的性能分析33-35
• 3.3.2.2 交互奔襲行為的性能分析35-38
• 3.3.2.3 自適應(yīng)圍攻行為的性能分析38-41
• 3.3.2.4 MWCA算法與其他智能算法的性能實(shí)驗(yàn)與分析41-44
• 3.4 本章小結(jié)44-45
• 4 用于多模態(tài)函數(shù)優(yōu)化的生境狼群算法45-55
• 4.1 引言45
• 4.2 小生境狼群算法45-50
• 4.2.1 探狼選取規(guī)則改進(jìn)45-47
• 4.2.2 改進(jìn)游走行為47-48
• 4.2.3 改進(jìn)奔襲行為48
• 4.2.4 改進(jìn)狼群圍攻機(jī)制48
• 4.2.5 NWCA算法的具體操作步驟48-50
• 4.2.6 NWCA算法復(fù)雜度分析50
• 4.3 仿真實(shí)驗(yàn)與結(jié)果分析50-54
• 4.3.1 實(shí)驗(yàn)測(cè)試函數(shù)的選取50-51
• 4.3.2 NWCA算法尋峰精度的測(cè)試51-53
• 4.3.3 NWCA算法尋峰能力的測(cè)試53-54
• 4.4 本章小結(jié)54-55
• 5 求解多目標(biāo)連續(xù)優(yōu)化問題下的改進(jìn)狼群算法55-77
• 5.1 引言55
• 5.2 多目標(biāo)優(yōu)化問題55-58
• 5.2.1 問題描述56
• 5.2.2 Pareto最優(yōu)理論56-58
• 5.3 多目標(biāo)狼群算法58-64
• 5.3.1 精英個(gè)體確定與精英搜索方式58
• 5.3.2 游走行為的改進(jìn)58-59
• 5.3.3 奔襲行為的改進(jìn)59-60
• 5.3.4 狼群圍攻行為的改進(jìn)60-61
• 5.3.5 個(gè)體優(yōu)劣比較法則61-62
• 5.3.6 MO-WCA算法步驟62-63
• 5.3.7 MO-WCA算法計(jì)算量分析63
• 5.3.8 MO-WCA算法收斂性分析63-64
• 5.4 仿真實(shí)驗(yàn)與結(jié)果分析64-75
• 5.4.1 性能評(píng)價(jià)標(biāo)準(zhǔn)65-66
• 5.4.2 測(cè)試函數(shù)選取66-68
• 5.4.3 MO-WCA算法與其他算法實(shí)驗(yàn)對(duì)比68-73
• 5.4.4 算法主要參數(shù)對(duì)MO-WCA求解性能的影響73-75
• 5.5 本章小結(jié)75-77
• 6 基于WCA算法的無(wú)人機(jī)航跡規(guī)劃的研究77-81
• 6.1 引言77
• 6.2 UVA航跡規(guī)劃存在的問題及相關(guān)研究方法77-78
• 6.3 航跡規(guī)劃問題分析及建模78-79
• 6.3.1 航跡規(guī)劃問題描述78
• 6.3.2 航跡規(guī)劃問題的模型構(gòu)建78-79
• 6.4 航跡規(guī)劃算法步驟及設(shè)計(jì)79-80
• 6.5 算法仿真與實(shí)驗(yàn)分析80
• 6.6 本章小結(jié)80-81
• 7 總結(jié)與展望81-83
• 7.1 總結(jié)81-82
• 7.2 展望82-83
• 參考文獻(xiàn)83-89
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文89-91
• 致謝91

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李常洪;趙偉棟;;基于狼群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)[J];科技創(chuàng)新與生產(chǎn)力;2016年01期

2 錢榮鑫;;一種基于文化機(jī)制的狼群算法[J];信息技術(shù);2015年12期

3 葛宇;梁靜;;一種多目標(biāo)人工蜂群算法[J];計(jì)算機(jī)科學(xué);2015年09期

4 劉永蘭;李為民;吳虎勝;宋文靜;;基于狼群算法的無(wú)人機(jī)航跡規(guī)劃[J];系統(tǒng)仿真學(xué)報(bào);2015年08期

5 吳虎勝;張鳳鳴;李浩;梁曉龍;;求解TSP問題的離散狼群算法[J];控制與決策;2015年10期

6 張正文;譚文龍;潘甲;范斌;;狼群搜索算法在光伏陣列MPPT中的應(yīng)用[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

7 董亞科;杜軍;李博;丁超;;多選擇背包問題離散狼群算法研究[J];傳感器與微系統(tǒng);2015年06期

8 王建群;賈洋洋;肖慶元;;狼群算法在水電站水庫(kù)優(yōu)化調(diào)度中的應(yīng)用[J];水利水電科技進(jìn)展;2015年03期

9 吳虎勝;張鳳鳴;戰(zhàn)仁軍;李浩;梁曉龍;;利用改進(jìn)的二進(jìn)制狼群算法求解多維背包問題[J];系統(tǒng)工程與電子技術(shù);2015年05期

10 伊廷華;王傳偉;李宏男;;利用分布式狼群算法進(jìn)行三維傳感器優(yōu)化布置的方法研究[J];振動(dòng)工程學(xué)報(bào);2014年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 張冬麗;人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用研究[D];燕山大學(xué);2014年

2 王艷嬌;人工蜂群算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 李宏;求解幾類復(fù)雜優(yōu)化問題的進(jìn)化算法及其應(yīng)用[D];西安電子科技大學(xué);2009年

4 趙光權(quán);基于貪婪策略的微分進(jìn)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 劉婷婷;基于反饋的多目標(biāo)人工蜂群算法研究[D];東北大學(xué);2013年

2 吳亮紅;差分進(jìn)化算法及應(yīng)用研究[D];湖南大學(xué);2007年

3 巴海濤;無(wú)人機(jī)航跡規(guī)劃研究[D];西北工業(yè)大學(xué);2006年

  本文關(guān)鍵詞：狼群算法的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：258479