【摘要】：人工蜂群算法是一類模擬蜜蜂覓食行為的群體智能算法。因控制參數(shù)少、結(jié)構(gòu)簡單、易于實(shí)現(xiàn)的特點(diǎn),人工蜂群算法已受到了國內(nèi)外研究人員的普遍關(guān)注,并提出各具特色的改進(jìn)算法。同時(shí),在人工蜂群算法的設(shè)計(jì)和應(yīng)用過程中,有待進(jìn)一步解決的問題,如不僅要考慮如何分析人工蜂群算法搜索方程的數(shù)學(xué)特性,而且需要分析如何利用問題的特征改進(jìn)搜索方程。有鑒于此,本文旨在提出一類自適應(yīng)編碼學(xué)習(xí)的人工蜂群算法,并對其在變量相關(guān)的數(shù)值優(yōu)化問題求解方面展開研究,主要?jiǎng)?chuàng)新性工作如下:1.人工蜂群算法搜索方程的數(shù)學(xué)特征分析。搜索方程是人工蜂群算法的核心算子,直接決定著算法的優(yōu)化性能,因此如何分析與挖掘搜索方程的數(shù)學(xué)特征是設(shè)計(jì)高效人工蜂群算法的重要途徑。有鑒于此,首先,利用相關(guān)的矩陣?yán)碚摲治?將搜索方程描述為一個(gè)矩陣變換的過程。其次,根據(jù)矩陣變換的代數(shù)性質(zhì)證明搜索方程是一類旋轉(zhuǎn)可變的算子。最后給出基于矩陣變換搜索方程的幾何解釋。2.自適應(yīng)編碼的學(xué)習(xí)框架設(shè)計(jì)。針對人工蜂群算法求解變量相關(guān)數(shù)值優(yōu)化問題優(yōu)化性能低的問題,提出一種自適應(yīng)編碼學(xué)習(xí)的人工蜂群算法。首先,利用協(xié)方差矩陣學(xué)習(xí)演化種群分布的相關(guān)性,并通過識別適應(yīng)度地形的特征來釋放變量的相關(guān)性,以此引導(dǎo)種群向關(guān)聯(lián)性較弱的方向演化。其次,設(shè)計(jì)一種自適應(yīng)選擇機(jī)制來實(shí)現(xiàn)計(jì)算資源在不同坐標(biāo)系統(tǒng)上的動(dòng)態(tài)分配,以此平衡算法的探索與開發(fā)能力,從而達(dá)到提高計(jì)算效率的目的。3.自適應(yīng)編碼學(xué)習(xí)的有效性研究。為驗(yàn)證自適應(yīng)編碼學(xué)習(xí)的有效性,將提出的自適應(yīng)編碼學(xué)習(xí)策略集成到8組已有的人工蜂群算法,并分別在30、50、100維的CEC2014測試平臺上進(jìn)行仿真實(shí)驗(yàn)。此外,將提出的改進(jìn)人工蜂群算法進(jìn)一步應(yīng)用于于福特車型識別問題,實(shí)驗(yàn)結(jié)果表明,基于.改進(jìn)人工蜂群算法的訓(xùn)練模型獲得的分類結(jié)果,無論是準(zhǔn)確度、靈敏度還是特異度均優(yōu)于原有的人工蜂群算法。綜上,本文構(gòu)建的自適應(yīng)編碼學(xué)習(xí)框架,不僅提升了現(xiàn)有人工蜂群算法在求解變量相關(guān)問題方面的優(yōu)化性能,而且對進(jìn)一步豐富演化計(jì)算的理論與方法體系,具有積極作用。
【圖文】：

42(g) 雪鐵龍(h) 豐田(i) 大眾圖 4-2 汽車數(shù)據(jù)集的樣本Fig.4-2 Samples of car dataset.3 相關(guān)理論本節(jié)主要介紹的是福特車型識別實(shí)驗(yàn)中用到的相關(guān)理論：提取圖片特征的離散小波換，減少特征維度的主成成分分析，，做分類器的多層感知器，以及采用 K-折疊交叉驗(yàn)評估實(shí)驗(yàn)的性能。這些相關(guān)理論是整個(gè)應(yīng)用實(shí)驗(yàn)的基礎(chǔ)。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王一飛,楊公訓(xùn),趙子巖;無線光通信中自適應(yīng)編碼策略的控制學(xué)分析與設(shè)計(jì)[J];光通信技術(shù);2005年05期

2 王繼東;二維信源的自適應(yīng)編碼[J];通信學(xué)報(bào);1989年05期

3 王欣;孟昭鵬;張蓓;;基于自適應(yīng)編碼和調(diào)制技術(shù)的802.16調(diào)度算法[J];電子測量技術(shù);2007年10期

4 王W氈

本文編號：2631729