粒子群算法與蟻群算法是國內(nèi)外學(xué)者研究的熱點(diǎn),已經(jīng)應(yīng)用于經(jīng)濟(jì)、工程等各個(gè)領(lǐng)域.粒子群算法和蟻群算法是求解復(fù)雜優(yōu)化問題的有效算法,但它們的性能存在不足,因此,本文對(duì)粒子群算法與蟻群算法進(jìn)行改進(jìn)研究,主要研究結(jié)果如下:（1）系統(tǒng)的介紹粒子群算法和蟻群算法的研究背景以及國內(nèi)外研究現(xiàn)狀,簡單的介紹粒子群算法和蟻群算法.總結(jié)兩種算法的不足,提出相應(yīng)的改進(jìn)方法.（2）將精英策略思想和自適應(yīng)動(dòng)態(tài)Levy飛行步長引入到粒子群算法中,提出了一種新的算法（ELPSO）.并對(duì)改進(jìn)的新算法（ELPSO）利用六個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行測(cè)試,與標(biāo)準(zhǔn)的PSO算法和權(quán)重線性遞減的粒子群算法（RWPSO）進(jìn)行比較.結(jié)果表明ELPSO算法在求解精度和收斂速度方面顯著改善,并應(yīng)用于求解物流選址問題.（3）將Tent混沌映射引入到基本離散粒子群算法中,同時(shí),在算法中加入3-opt局部搜索算法,提出了改進(jìn)的離散粒子群算法.進(jìn)而用于解決TSP問題.結(jié)果表明,該算法的收斂速度和求解精度都優(yōu)于基本ACO算法.（4）將模擬退火機(jī)制和自適應(yīng)混沌擾動(dòng)應(yīng)用于蟻群算法中,采用新的信息素更新算子.并將改進(jìn)的蟻群算法應(yīng)用于TSP問題和三維路徑規(guī)劃問題,結(jié)... 

【文章來源】：西安工程大學(xué)陜西省

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 粒子群算法研究現(xiàn)狀
        1.2.2 蟻群算法研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)安排
2 粒子群算法與蟻群算法的研究基礎(chǔ)
    2.1 粒子群算法簡介
    2.2 蟻群算法簡介
    2.3 兩種算法的改進(jìn)方法
        2.3.1 粒子群算法的改進(jìn)方法
        2.3.2 蟻群算法的改進(jìn)方法
3 粒子群算法的改進(jìn)
    3.1 精英反向?qū)W習(xí)策略和Levy飛行
    3.2 基于精英策略和Levy飛行的粒子群算法(ELPSO)
        3.2.1 ELPSO算法思想及步驟
        3.2.2 仿真實(shí)驗(yàn)及結(jié)果分析
    3.3 結(jié)束語
4 改進(jìn)的離散粒子群算法
    4.1 離散粒子群算法
    4.2 基于花粉算法的混沌離散粒子群算法(AHPSO)
        4.2.1 花授粉算法
        4.2.2 Tent混沌序列
        4.2.3 AHPSO算法思想及步驟
    4.3 仿真實(shí)驗(yàn)及結(jié)果分析
    4.4 結(jié)束語
5 蟻群算法的改進(jìn)
    5.1 模擬退火算法及動(dòng)態(tài)混沌擾動(dòng)
        5.1.1 模擬退火算法
        5.1.2 動(dòng)態(tài)混沌擾動(dòng)
    5.2 基于自適應(yīng)混沌擾動(dòng)的模擬退火蟻群算法(APSAACO)
        5.2.1 APSAACO算法思想及步驟
        5.2.2 仿真試驗(yàn)及結(jié)果分析
    5.3 結(jié)束語
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文清單
致謝


【參考文獻(xiàn)】：
期刊論文
[1]多任務(wù)處理協(xié)同進(jìn)化粒子群算法[J]. 程美英,錢乾,倪志偉,朱旭輝.  模式識(shí)別與人工智能. 2018(04)
[2]一種基于種群多樣性的粒子群優(yōu)化算法設(shè)計(jì)及應(yīng)用[J]. 韓紅桂,盧薇,喬俊飛.  信息與控制. 2017(06)
[3]基于融合多策略改進(jìn)的多目標(biāo)粒子群優(yōu)化算法[J]. 楊景明,侯新培,崔慧慧,呼子宇,穆曉偉.  控制與決策. 2018(02)
[4]帶時(shí)間窗車輛路徑問題的分布式多agent蟻群算法[J]. 金淳,張雨,王聰.  計(jì)算機(jī)應(yīng)用研究. 2018(03)
[5]改進(jìn)蟻群算法求解移動(dòng)機(jī)器人路徑規(guī)劃[J]. 張成,凌有鑄,陳孟元.  電子測(cè)量與儀器學(xué)報(bào). 2016(11)
[6]粒子群算法在工程優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 包麗梅.  電子技術(shù)與軟件工程. 2016(17)
[7]基于自適應(yīng)變異概率粒子群優(yōu)化算法的研究[J]. 黃松,田娜,紀(jì)志成.  系統(tǒng)仿真學(xué)報(bào). 2016(04)
[8]基于信息素的自適應(yīng)連續(xù)域混合蟻群算法[J]. 周裊,葛洪偉,蘇樹智.  計(jì)算機(jī)工程與應(yīng)用. 2017(06)
[9]基于粒子群算法的決策樹SVM多分類方法研究[J]. 王道明,魯昌華,蔣薇薇,肖明霞,李必然.  電子測(cè)量與儀器學(xué)報(bào). 2015(04)
[10]融合自適應(yīng)混沌差分進(jìn)化的粒子群優(yōu)化算法[J]. 劉召軍,高興寶.  紡織高�；A(chǔ)科學(xué)學(xué)報(bào). 2015(01)

碩士論文
[1]基于GA的改進(jìn)粒子群算法研究及其在TSP上的應(yīng)用[D]. 劉煌.武漢理工大學(xué) 2010
[2]蟻群算法及其在TSP中的應(yīng)用[D]. 黃茜.重慶大學(xué) 2008
[3]基于蟻群算法的多配送中心車輛調(diào)度問題的研究[D]. 辛達(dá).合肥工業(yè)大學(xué) 2006



本文編號(hào)：3226934