隨著各種優(yōu)化問題規(guī)模的變大、維度的增加以及復(fù)雜度的不斷變高,傳統(tǒng)優(yōu)化技術(shù)已經(jīng)不能滿足不斷增長的新需求,元啟發(fā)式算法的提出給人們在優(yōu)化領(lǐng)域提供了新的探索方向�；ㄊ诜鬯惴ㄊ且环N新型的元啟發(fā)式智能算法,其思想來源于植物花授粉的過程,該算法參數(shù)少,尋優(yōu)能力強,魯棒性高,已被廣泛應(yīng)用在各個領(lǐng)域的優(yōu)化求解問題中,但其自身也存在一些不足。本文在深入分析基本花授粉算法的基礎(chǔ)上對其進行改進研究,并將改進的花授粉算法應(yīng)用在社交網(wǎng)絡(luò)的用戶身份識別問題中。主要工作包含以下幾個方面:(1)提出基于動態(tài)全局搜索和柯西變異的花授粉算法(DCFPA)。該算法利用混沌映射增強花粉種群初始分布的隨機性和均勻性;針對基本花授粉算法前期容易陷入局部最優(yōu)陷阱的問題,在原有算法的基礎(chǔ)上引入平均最優(yōu)花粉位置和動態(tài)權(quán)重遞減因子,引導(dǎo)算法在迭代過程中保證正確的搜索方向,避免算法在前期因缺乏全局信息而過早收斂于局部最優(yōu)的缺陷;此外,利用Cauchy變異,使種群表現(xiàn)出多樣化的性能,幫助算法逃離局部極值。設(shè)置6個測試函數(shù)進行實驗,證明DCFPA算法在解決早熟收斂和跳出局部極值方面的提升效果。(2)提出了基于反向?qū)W習(xí)和t分布的自適應(yīng)花授粉算法(OTAFPA)。利用反向?qū)W習(xí)策略增加初始種群的質(zhì)量,同時使種群趨于多樣化;為了平衡全局尋優(yōu)和局部尋優(yōu)能力,在原有方法的基礎(chǔ)上構(gòu)造動態(tài)轉(zhuǎn)換概率,提高了算法的靈活度和自適應(yīng)能力;最后利用t分布變異,幫助算法逃離局部極值。通過8個測試函數(shù)進行實驗,驗證了OTAFPA算法在尋優(yōu)能力、收斂速度和求解精度上的提升效果。(3)將改進的花授粉算法應(yīng)用于跨社交網(wǎng)絡(luò)的用戶身份同一性判別問題,利用改進花授粉算法自身的優(yōu)勢來提升BP神經(jīng)網(wǎng)絡(luò)閾值和權(quán)值的選擇質(zhì)量,在處理好的數(shù)據(jù)集上進行判別實驗,驗證了改進花授粉算法的有效性。
【學(xué)位單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18;TP309
【部分圖文】：

相對更優(yōu)且分布更加密集，此時，算法以更大的概率進機制，使得算法隨著迭代次數(shù)的不斷增加，花粉個體的量的花粉將會聚集在局部最優(yōu)解周圍，可能會導(dǎo)致算法此，為了增加花粉個體的多樣性，改善算法的收斂速度變異，從而使該問題得到合理解決。做學(xué)生分布，該分布含有一個自由變量，其概率密度曲線的由度越大，分布越接近正態(tài)分布；當其無限接近于無窮時，；當自由度的值恰好為1 時，曲線為 Cauchy分布；自由越值相對較低，兩側(cè)較高，其概率密度函數(shù)為:2121( )2( ) (1 ) ,2 ( )2nnxf x xnn ， ( x)為伽馬函數(shù)，n 為自由度， n 1時，t 分布為柯西布，其分布曲線的變化如下圖 4.1。
【參考文獻】

相關(guān)期刊論文 前1條

1 傅小利;顧紅兵;陳國呈;鄒俊忠;張見;;基于柯西變異粒子群算法的永磁同步電機參數(shù)辨識[J];電工技術(shù)學(xué)報;2014年05期

本文編號：2845541