發(fā)布時(shí)間：2017-06-15 05:08

  本文關(guān)鍵詞：基于共享因子的人工蜂群算法的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：作為一種新興的元啟發(fā)式優(yōu)化算法,人工蜂群算法(ABC)已經(jīng)受到了很多專家學(xué)者的關(guān)注。該算法是由土耳其學(xué)者Karaboga于2005年提出來(lái)的,其靈感來(lái)自于蜜蜂采蜜的過(guò)程。人工蜂群算法具有參數(shù)少、易實(shí)現(xiàn)、計(jì)算簡(jiǎn)單、收斂速度快等的優(yōu)點(diǎn),因而,已被廣泛應(yīng)用到諸多領(lǐng)域。但是,ABC算法在解決函數(shù)優(yōu)化問(wèn)題時(shí)表現(xiàn)出來(lái)的性能不佳,在算法實(shí)現(xiàn)過(guò)程中容易陷入局部最優(yōu),收斂速度較差。因此,本文就如何提高ABC算法的搜索性能及其在新安江水文模型上的應(yīng)用進(jìn)行了研究,主要內(nèi)容有:首先,對(duì)標(biāo)準(zhǔn)ABC算法的生物原理、數(shù)學(xué)模型、算法流程做了詳細(xì)的分析,并根據(jù)ABC算法的特點(diǎn),從相關(guān)文獻(xiàn)中重點(diǎn)研究了一種改進(jìn)的ABC算法,即朱國(guó)普等人提出的全局最優(yōu)人工蜂群(GABC)算法。該算法針對(duì)標(biāo)準(zhǔn)ABC算法在搜索解時(shí)的隨機(jī)性、盲目性,在ABC算法基礎(chǔ)上增加了全局搜索部分,并將該算法與標(biāo)準(zhǔn)ABC算法在同一組測(cè)試函數(shù)中進(jìn)行實(shí)驗(yàn)測(cè)試。測(cè)試結(jié)果表明,GABC算法比ABC算法的搜索精度更高,同時(shí)收斂速度更快。其次,經(jīng)過(guò)研究發(fā)現(xiàn)GABC算法并沒(méi)有使局部搜索能力和全局搜索能力達(dá)到一種平衡,搜索精度和算法收斂速度仍然有很大的提升空間,因此,本文針對(duì)算法的搜索方程做了改進(jìn),提出了一種基于共享因子的全局最優(yōu)人工蜂群(SF-GABC)算法。改進(jìn)的方法是在搜索方程的局部搜索部分和全局搜索部分分別添加了兩個(gè)共享因子,使得蜜蜂在搜索蜜源的過(guò)程不是盲目搜索而是有目的地搜索。因此,增強(qiáng)了SF-ABC算法的尋優(yōu)能力。為證明改進(jìn)算法的有效性,在參數(shù)設(shè)置相同的情況下,使ABC算法、GABC算法和SF-GABC算法分別對(duì)一組標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行仿真實(shí)驗(yàn),并對(duì)比分析了實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明,SF-GABC算法收斂速度更快,函數(shù)優(yōu)化精度更高。最后,將改進(jìn)的算法應(yīng)用到新安江水文模型上,用于解決水文模型的參數(shù)估計(jì)問(wèn)題。并與ABC算法、GABC算法參數(shù)估計(jì)結(jié)果進(jìn)行實(shí)驗(yàn)對(duì)比分析。實(shí)驗(yàn)結(jié)果表明,與ABC算法和GABC算法相比,SF-GABC算法獲得的水文模型參數(shù)優(yōu)化結(jié)果精度更高,并且算法收斂速度更快。
【關(guān)鍵詞】：人工蜂群算法 GABC算法 共享因子 新安江水文模型
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-13
• 1.1 研究背景及意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.3 本文的主要工作和意義10-12
• 1.3.1 研究目標(biāo)10-11
• 1.3.2 本文主要研究?jī)?nèi)容11-12
• 1.3.3 本課題的研究意義12
• 1.4 文章結(jié)構(gòu)12-13
• 2 人工蜂群（ABC）算法13-26
• 2.1 引言13
• 2.2 人工蜂群算法的生物原理13-17
• 2.2.1 蜜蜂的采蜜過(guò)程14-15
• 2.2.2 蜜蜂的采蜜軌跡15-16
• 2.2.3 蜂群模型的構(gòu)成16-17
• 2.3 ABC算法的數(shù)學(xué)原理17-20
• 2.4 ABC算法的流程20-21
• 2.5 參數(shù)分析21-22
• 2.6 ABC算法特點(diǎn)22-24
• 2.6.1 系統(tǒng)性22-23
• 2.6.2 分布性23
• 2.6.3 自組織性23
• 2.6.4 反饋性23
• 2.6.5 ABC算法的優(yōu)缺點(diǎn)23-24
• 2.7 參數(shù)對(duì)收斂性能的影響分析24
• 2.8 ABC算法的搜索能力24-25
• 2.9 總結(jié)25-26
• 3 ABC算法的改進(jìn)26-36
• 3.1 ABC算法的多種改進(jìn)方法26
• 3.2 全局最優(yōu)人工蜂群算法26-27
• 3.2.1 GABC算法的數(shù)學(xué)描述26-27
• 3.2.2 GABC算法具體步驟27
• 3.3 基于共享因子的GABC算法27-29
• 3.3.1 SF-GABC算法的數(shù)學(xué)描述28
• 3.3.2 SF-GABC算法的具體步驟28-29
• 3.4 實(shí)驗(yàn)結(jié)果與分析29-35
• 3.4.1 測(cè)試函數(shù)及參數(shù)設(shè)置29-31
• 3.4.2 改進(jìn)算法的對(duì)比實(shí)驗(yàn)31-35
• 3.4.3 結(jié)果分析35
• 3.5 總結(jié)35-36
• 4 基于共享因子GABC算法的應(yīng)用36-49
• 4.1 人工蜂群算法應(yīng)用36-41
• 4.1.1 多維背包問(wèn)題求解36-37
• 4.1.2 車輛路徑問(wèn)題求解37-38
• 4.1.3 旅行商問(wèn)題求解38-40
• 4.1.4 函數(shù)優(yōu)化問(wèn)題求解40-41
• 4.2 改進(jìn)人工蜂群算法在新安江水文模型中的應(yīng)用41-48
• 4.2.1 新安江水文模型的建立41-42
• 4.2.2 設(shè)置水文模型參數(shù)42-43
• 4.2.3 目標(biāo)函數(shù)設(shè)計(jì)43
• 4.2.4 水文模型參數(shù)優(yōu)化問(wèn)題的求解方法43-44
• 4.2.5 建立應(yīng)用模型44-45
• 4.2.6 實(shí)驗(yàn)結(jié)果與分析45-48
• 4.3 總結(jié)48-49
• 結(jié)論49-50
• 致謝50-51
• 參考文獻(xiàn)51-54
• 攻讀學(xué)位期間的研究成果54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李冰;孫輝;孫寧;王坤;;基于改進(jìn)人工蜂群算法的高光譜圖像端元提取方法[J];南昌工程學(xué)院學(xué)報(bào);2015年06期

2 程國(guó);丁正生;;一種求解旅行商問(wèn)題的改進(jìn)人工蜂群算法[J];河南科學(xué);2015年06期

3 陳阿慧;李艷娟;郭繼峰;;人工蜂群算法綜述[J];智能計(jì)算機(jī)與應(yīng)用;2014年06期

4 王志剛;夏慧明;;求解車輛路徑問(wèn)題的人工蜂群算法[J];計(jì)算機(jī)工程與科學(xué);2014年06期

5 葛宇;梁靜;王學(xué)平;謝小川;;求解函數(shù)優(yōu)化問(wèn)題的改進(jìn)的人工蜂群算法[J];計(jì)算機(jī)科學(xué);2013年08期

6 李晶晶;戴月明;;自適應(yīng)混合變異的蛙跳算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年10期

7 張澤彬;郝志峰;黃翰;李學(xué)強(qiáng);;求解車輛路徑問(wèn)題的多鄰域下降搜索蟻群優(yōu)化算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

8 王輝;;一種帶共享因子的人工蜂群算法[J];計(jì)算機(jī)工程;2011年22期

9 高衛(wèi)峰;劉三陽(yáng);姜飛;張建科;;混合人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年05期

10 李曉蕊;韓叢英;賀國(guó)平;;求解MINLP的幾類罰函數(shù)方法的分析和探討[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2011年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 寧愛(ài)平;人工蜂群算法及其在語(yǔ)音識(shí)別中的應(yīng)用研究[D];太原理工大學(xué);2013年

2 徐鳴;基于群智能的魯棒多目標(biāo)優(yōu)化方法及應(yīng)用[D];浙江大學(xué);2011年

3 宋勝利;混合粒子群協(xié)同優(yōu)化算法及其應(yīng)用研究[D];華中科技大學(xué);2009年

4 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 曾維;改進(jìn)的人工蜂群算法及其應(yīng)用研究[D];深圳大學(xué);2015年

2 蔣成;改進(jìn)的人工蜂群算法及其應(yīng)用[D];安徽大學(xué);2015年

3 董琴;人工蜂群算法的改進(jìn)與應(yīng)用[D];大連海事大學(xué);2015年

4 王允霞;蜂群算法的研究及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[D];華南理工大學(xué);2013年

5 岳云力;基于改進(jìn)人工蜂群算法的機(jī)組組合優(yōu)化方法[D];浙江大學(xué);2012年

6 銀建霞;人工蜂群算法的研究及其應(yīng)用[D];西安電子科技大學(xué);2012年

7 歐陽(yáng)濤;物流車輛路徑問(wèn)題算法研究[D];吉林大學(xué);2011年

  本文關(guān)鍵詞：基于共享因子的人工蜂群算法的研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：451533