【摘要】：優(yōu)化問題廣泛存在于人類社會的各個方面,是研究的熱點(diǎn)領(lǐng)域。優(yōu)化算法則用于解決優(yōu)化問題,其中群智能優(yōu)化算法是根據(jù)生物群體解決問題的社會性合作行為產(chǎn)生的仿生算法,被應(yīng)用到實(shí)際問題中取得了較好的效果。由于仿生對象的不同,每種算法都有自身的優(yōu)勢,同時(shí)也有其局限性。混合算法就是遵循一定規(guī)則將兩種或兩種以上優(yōu)化算法整合成新算法。實(shí)踐證明,混合算法在交通流預(yù)測、水庫優(yōu)化調(diào)度、無人機(jī)巡航控制等優(yōu)化問題中有著更好的優(yōu)化效果。本文對粒子群算法和狼群算法原理進(jìn)行了深入研究,并分析總結(jié)了其各自的優(yōu)勢與不足。針對單個算法存在的問題,提出了三種混合算法和一種改進(jìn)粒子群算法,并將一種混合算法應(yīng)用于無線傳感器網(wǎng)絡(luò)(WSN)網(wǎng)絡(luò)覆蓋率優(yōu)化問題中,具體創(chuàng)新點(diǎn)有以下幾方面:(1)針對單目標(biāo)優(yōu)化問題,提出了基于狼群更新機(jī)制和圍攻狼奔走的個體歷史最優(yōu)位置系數(shù)粒子群算法(S-λPSO)。在深入分析粒子群算法中粒子飛行軌跡的基礎(chǔ)上,設(shè)計(jì)了個體歷史最優(yōu)位置遞減系數(shù),提出了加入個體歷史最優(yōu)位置系數(shù)的粒子群算法(λPSO),實(shí)驗(yàn)證明λPSO相比于標(biāo)準(zhǔn)粒子群算法(PSO)在單峰問題中求解精度更高,時(shí)間開銷也更少。在λPSO基礎(chǔ)上,引入狼群算法中狼群更新機(jī)制增強(qiáng)了種群多樣性、算法的拓展能力;又嵌入狼群算法中圍攻狼奔走算子,增強(qiáng)了算法全局尋優(yōu)能力和局部尋優(yōu)能力,豐富了尋優(yōu)策略。實(shí)驗(yàn)表明S-λPSO在面臨多數(shù)單目標(biāo)優(yōu)化問題時(shí)的優(yōu)化精度、尋優(yōu)速度、跳出局部最優(yōu)能力更好。(2)針對多目標(biāo)優(yōu)化問題,提出了基于狼群更新機(jī)制和圍攻狼奔走的個體歷史最優(yōu)位置系數(shù)多目標(biāo)粒子群算法(S-λMOPSO)。多目標(biāo)優(yōu)化問題是要求得一組能夠使各個目標(biāo)都能夠達(dá)到更優(yōu)的解集,因此單目標(biāo)優(yōu)化問題的優(yōu)化算法不能直接用于多目標(biāo)優(yōu)化問題。本文針對于多目標(biāo)優(yōu)化問題的特點(diǎn),將S-λPSO算子改進(jìn)和增加新算子形成了適用于多目標(biāo)優(yōu)化問題的混合算法。實(shí)驗(yàn)表明S-λMOPSO在面臨多目標(biāo)優(yōu)化問題時(shí)所得的Pareto前沿對問題真實(shí)Pareto前沿覆蓋程度高,且分布更為均勻。(3)基于雙種群進(jìn)化策略,提出了一種并聯(lián)結(jié)構(gòu)的共享優(yōu)質(zhì)個體的粒子群和狼群混合算法(W-PSO)。并將W-PSO應(yīng)用到WSN網(wǎng)絡(luò)覆蓋率優(yōu)化問題中。仿真實(shí)驗(yàn)表明W-PSO在WSN網(wǎng)絡(luò)覆蓋率問題中有良好的優(yōu)化性能。實(shí)驗(yàn)結(jié)果表明,以上三種混合算法在解決優(yōu)化問題時(shí)的優(yōu)化質(zhì)量和優(yōu)化效率良好。其中S-λPSO在解決單目標(biāo)優(yōu)化問題時(shí)的優(yōu)化精度、尋優(yōu)速度、跳出局部最優(yōu)能力良好;S-λMOPSO在解決多目標(biāo)優(yōu)化問題時(shí)所得的Pareto前沿對問題真實(shí)Pareto前沿覆蓋程度高,且分布更為均勻;對WSN網(wǎng)絡(luò)覆蓋率優(yōu)化時(shí),W-PSO實(shí)驗(yàn)所得的平均網(wǎng)絡(luò)覆蓋率相比于標(biāo)準(zhǔn)粒子群算法和狼群算法分別提高了6.55%和2.79%,最優(yōu)網(wǎng)絡(luò)覆蓋率分別提高了6.84%和3.93%。本文提出的三種混合算法為群智能算法的研究提供了新的方向,通過混合算法在WSN網(wǎng)絡(luò)覆蓋率優(yōu)化問題中的應(yīng)用,為微電網(wǎng)優(yōu)化配置、城市交通線路規(guī)劃等問題的優(yōu)化拓展了思路和方法,能帶來一定的經(jīng)濟(jì)效益和社會效益,有利于加強(qiáng)國民經(jīng)濟(jì)建設(shè)、推動新型信息技術(shù)發(fā)展。
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP212.9;TN929.5;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

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

3 李國亮;魏振華;徐蕾;;基于改進(jìn)搜索策略的狼群算法[J];計(jì)算機(jī)應(yīng)用;2015年06期

4 吳虎勝;張鳳鳴;戰(zhàn)仁軍;汪送;張超;;求解0-1背包問題的二進(jìn)制狼群算法[J];系統(tǒng)工程與電子技術(shù);2014年08期

5 楊琳;孔峰;;嵌入粒子群優(yōu)化算法的混合人工蜂群算法[J];自動化儀表;2013年01期

6 李雪;崔穎安;崔杜武;陶永芹;;基于范式轉(zhuǎn)換的知識進(jìn)化算法[J];計(jì)算機(jī)工程;2012年01期

7 李娟;楊琳;劉金龍;楊德龍;張晨;;基于自適應(yīng)混沌粒子群優(yōu)化算法的多目標(biāo)無功優(yōu)化[J];電力系統(tǒng)保護(hù)與控制;2011年09期

8 楊帆;胡春平;顏學(xué)峰;;基于蟻群系統(tǒng)的參數(shù)自適應(yīng)粒子群算法及其應(yīng)用[J];控制理論與應(yīng)用;2010年11期

9 呂強(qiáng);劉士榮;邱雪娜;;基于信息素機(jī)制的粒子群優(yōu)化算法的設(shè)計(jì)與實(shí)現(xiàn)[J];自動化學(xué)報(bào);2009年11期

10 敖友云;遲洪欽;;一種基于個體密度估算的多目標(biāo)優(yōu)化演化算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年15期

，

本文編號：2702980