發(fā)布時間：2023-04-23 10:57

　　作為一種重要的優(yōu)化方法,進化算法以其實現(xiàn)簡易、效果突出等優(yōu)點在許多單目標連續(xù)優(yōu)化問題上得到了廣泛應(yīng)用。然而,沒有免費午餐定理(No Free Lunch Theorem)揭示了優(yōu)化算法的性能和與被測試問題的匹配程度有關(guān)。盡管真實問題測試準確但是代價高昂,因此一般采用人工設(shè)計的測試問題。通過分析和構(gòu)造問題特征使得人工設(shè)計的問題盡可能地體現(xiàn)真實問題的特性,因而進化算法在人工問題上的優(yōu)良性能也被期待可以推廣到真實問題。然而,面對層出不窮的復(fù)雜多樣的真實問題,領(lǐng)域內(nèi)目前在算法設(shè)計和問題設(shè)計上都面臨巨大挑戰(zhàn)。一方面,進化算法大多未基于對已知問題特性的分析而針對性設(shè)計,因而很難有效地應(yīng)對這些復(fù)雜真實問題屬性。另一方面,現(xiàn)有的測試問題相比整個真實問題全域,多樣性復(fù)雜性不足,無法很好地檢測算法的綜合性能。本文受混合智能的啟發(fā),綜合神經(jīng)網(wǎng)絡(luò)、多樣性、局部搜索等多種思想和技術(shù)在測試問題構(gòu)造和進化算法設(shè)計方面做了一定的探索。主要研究內(nèi)容概括如下:1.在測試問題層面,提出了新型的神經(jīng)多樣化隨機問題生成器框架(Chaotic Landscape Generator,CLG)。由于遞歸神經(jīng)網(wǎng)絡(luò)的權(quán)重隨機和新型激活...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 本文主要工作
    1.3 本文組織結(jié)構(gòu)
第二章 相關(guān)工作
    2.1 測試問題
        2.1.1 真實世界問題
        2.1.2 人工設(shè)計問題
        2.1.3 隨機生成問題
    2.2 優(yōu)化算法
        2.2.1 經(jīng)典優(yōu)化算法
        2.2.2 進化優(yōu)化算法
        2.2.3 粒子群優(yōu)化算法
第三章 神經(jīng)多樣化測試問題
    3.1 引言
    3.2 混沌問題生成器原理
        3.2.1 算法流程
        3.2.2 算法機制
    3.3 仿真實驗
        3.3.1 數(shù)值比較結(jié)果
        3.3.2 參數(shù)分析
        3.3.3 CLG問題屬性
    3.4 本章小結(jié)
第四章 針對病態(tài)問題的速度增強粒子群優(yōu)化
    4.1 引言
    4.2 速度增強機制
        4.2.1 PSO和VR的比較
        4.2.2 VRPSO算法
        4.2.3 VRS的進一步改進
    4.3 仿真實驗
        4.3.1 測試函數(shù)和比較的算法
        4.3.2 結(jié)果和討論
    4.4 本章小結(jié)
第五章 針對多峰問題的多層粒子群優(yōu)化-鮑威爾算法
    5.1 引言
    5.2 多層粒子群優(yōu)化-鮑威爾算法
    5.3 仿真實驗
        5.3.1 測試函數(shù)和比較的算法
        5.3.2 收斂性分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
參考文獻
致謝
附錄



本文編號：3799577