本文關(guān)鍵詞：求解函數(shù)優(yōu)化問題的人工魚群算法設(shè)計研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自然選擇推動動物的進化,進而形成了動物賴以生存的覓食和生活方式,科學家們正是通過研究自然界的動物群體生活方式來獲得解決生活中疑難問題的啟發(fā)和靈感.研究者們發(fā)現(xiàn),魚類本身不具備復(fù)雜的綜合判斷和推理能力,但是它們通過群體簡單的行為相互影響,最終實現(xiàn)了生存和進化.人工魚群算法(AFSA)由李曉磊博士于2002年在他發(fā)表的博士論文中首次提出的,該算法是受到魚群運動行為的啟發(fā),將生物的群體智能用來解決優(yōu)化問題.隨著越來越多的研究者們對該算法的了解和研究,人工魚群算法已經(jīng)成為交叉學科中熱門的前沿性研究課題.傳統(tǒng)的魚群算法擁有許多優(yōu)點,比如算法穩(wěn)定性好、有著良好的全局搜索能力,而且它也是一種隨機優(yōu)化算法,對初值的選取不敏感,算法通用性好,可操作性比較強.但是隨著人們對人工魚群算法的進一步研究和魚群算法的廣泛應(yīng)用,人們發(fā)現(xiàn)人工魚群算法后期存在收斂速度慢、求解精度不高且易陷入局部最優(yōu)的缺點,基本的人工魚群算法已經(jīng)不能滿足人們生產(chǎn)生活的需求.針對傳統(tǒng)魚群算法的這些不足,本文做了如下兩個方面的研究工作：1.為了加快算法的收斂速度和提高求解精度,本文在研究了人工魚群算法(AFSA)的原理和粒子群(PSO)的算法思想后,嘗試模仿PSO中粒子的信息傳遞方式和更新方式,基于人工魚的個體學習能力和社會學習能力分別改進它們?nèi)N行為的更新公式,提出了一種新穎的人工魚群算法(AO-AFSA).并采用五個典型的測試函數(shù)進行仿真實驗,分析了算法的尋優(yōu)精度、收斂速度以及穩(wěn)定性.測試結(jié)果表明改進后的算法能夠較快地收斂至全局較優(yōu)解,有更強的穩(wěn)定性,并具有較好的尋優(yōu)性能.2.針對基本的人工魚群算法后期收斂速度慢、容易陷入局部最優(yōu)和求解精度低的缺點,本文在基本的人工魚群算法(AFSA)中引入萬有引力算子,更好地利用了各條人工魚之間的信息共享,有效地結(jié)合了萬有引力算子的局部搜索能力和人工魚群算法的全局搜索能力,提出一種基于萬有引力的人工魚群算法(GA-AFSA).采用六個基準函數(shù)測試表明：無論是在收斂速度、穩(wěn)定性還是在尋優(yōu)性能方面,該算法相對于基本人工魚群算法(AFSA)和一種新穎的人工魚群算法(AO-AFSA)都有明顯的提高.
【關(guān)鍵詞】：智能優(yōu)化 人工魚群算法 粒子群 萬有引力
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 緒論11-16
• 1.1 研究背景和意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 本文的研究內(nèi)容15-16
• 第二章 基本人工魚群算法16-21
• 2.1 人工魚群算法的基本原理16-17
• 2.2 人工魚幾種典型行為17-19
• 2.3 人工魚群算法的流程圖及主要步驟19-20
• 2.4 常見的人工魚群算法改進方法20-21
• 第三章 一種新穎的人工魚群算法21-30
• 3.1 背景21
• 3.2 改進的人工魚群算法21-24
• 3.2.1 AO-AFSA的變量說明21-22
• 3.2.2 AO-AFSA的四種行為描述22-23
• 3.2.3 AO-AFSA的主要算法步驟23-24
• 3.3 數(shù)值實驗結(jié)果及分析24-29
• 3.3.1 測試函數(shù)與條件24-28
• 3.3.2 實驗結(jié)果分析28-29
• 3.4 本章小結(jié)29-30
• 第四章 基于萬有引力的人工魚群算法30-41
• 4.1 背景30
• 4.2 基于萬有引力的人工魚群算法30-33
• 4.2.1 GA-AFSA的變量說明30-31
• 4.2.2 GA-AFSA的引力算子31-32
• 4.2.3 GA-AFSA的主要算法步驟32-33
• 4.3 數(shù)值實驗結(jié)果及分析33-40
• 4.3.1 測試函數(shù)與條件33-39
• 4.3.2 實驗結(jié)果分析39-40
• 4.4 本章小結(jié)40-41
• 結(jié)論41-43
• 參考文獻43-47
• 攻讀碩士學位期間發(fā)表論文47-49
• 致謝49

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 曲良東;何登旭;;改進的人工魚群算法及其在近似求導中的應(yīng)用[J];微電子學與計算機;2009年05期

2 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計算機系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計算機工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚群算法的簡介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學學報(自然科學版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學學報(自然科學版);2012年12期

8 王波;;基于細胞膜優(yōu)化的人工魚群算法研究[J];科技通報;2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學院學報;2013年04期

10 李曉磊,薛云燦,路飛,田國會;基于人工魚群算法的參數(shù)估計方法[J];山東大學學報(工學版);2004年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應(yīng)用[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學學術(shù)年會論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學;2009年

2 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;2003年

3 張梅鳳;人工魚群智能優(yōu)化算法的改進及應(yīng)用研究[D];大連理工大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳斐;改進的人工魚群算法分析與研究[D];西安電子科技大學;2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進的研究[D];青島理工大學;2015年

3 馬堯;基于改進的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學;2015年

4 薛亞娣;改進的人工魚群算法及其應(yīng)用研究[D];蘭州大學;2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽理工大學;2015年

6 崔淑慧;三維管路自動敷設(shè)算法及干涉校驗方法研究[D];哈爾濱工業(yè)大學;2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學;2015年

8 劉翔;基于改進人工魚群算法的化工過程優(yōu)化[D];北京化工大學;2015年

9 喻俊松;基于改進人工魚群算法無人機航跡規(guī)劃研究[D];南昌航空大學;2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學;2015年

  本文關(guān)鍵詞：求解函數(shù)優(yōu)化問題的人工魚群算法設(shè)計研究，，由筆耕文化傳播整理發(fā)布。

本文編號：461751