本文關(guān)鍵詞：具有短暫記憶的狼群搜索算法的改進(jìn)研究

  更多相關(guān)文章： 智能計(jì)算 優(yōu)化 狼群搜索算法 Nelder-Mead 算子 K-均值聚類算法

【摘要】：目前,優(yōu)化技術(shù)已經(jīng)在信息、工程和管理等領(lǐng)域得到了非常廣泛的應(yīng)用。優(yōu)化技術(shù)一般可分為現(xiàn)代的群智能(SI)優(yōu)化算法和傳統(tǒng)的基于數(shù)學(xué)方法的經(jīng)典優(yōu)化技術(shù)兩大類。群智能優(yōu)化算法克服了傳統(tǒng)優(yōu)化方法中普遍存在的不可擴(kuò)展性和適應(yīng)范圍較窄之不足,可用來解決高維復(fù)雜優(yōu)化問題。群智能優(yōu)化算法現(xiàn)已經(jīng)成為信息領(lǐng)域的一個(gè)前沿研究課題。具有短暫記憶的狼群搜索算法是一種新的群智能優(yōu)化算法。因此,本論文開展“具有短暫記憶的狼群搜索算法的改進(jìn)研究”具有重要的理論研究價(jià)值和實(shí)際應(yīng)用前景。本論文主要包括以下三部分:一、針對(duì)具有短暫記憶的狼群搜索算法存在全局搜索能力不強(qiáng)、易陷入局部最優(yōu)值之不足,提出一種引入Nelder-Mead算子的狼群搜索算法:將Nelder-Mead方法用于個(gè)體搜索活動(dòng)中,使個(gè)體在搜索中既利用群體信息又利用個(gè)體記憶來指導(dǎo)其開展搜索活動(dòng),從而提高了個(gè)體的搜索效率,提高了算法避免陷入局部最優(yōu)的能力,進(jìn)而提高了算法的全局搜索能力、改善了算法的優(yōu)化性能。二、針對(duì)具有短暫記憶的狼群搜索算法中的個(gè)體之間缺乏相互協(xié)作、沒有充分利用群體信息指導(dǎo)其開展搜索的活動(dòng)、沒有借助群體力量來抵抗天敵的攻擊等不足,提出一種改進(jìn)的具有短暫記憶的狼群搜索算法。實(shí)驗(yàn)結(jié)果表明:采用這一改進(jìn)策略,提高了算法的全局搜索能力,改善了算法的優(yōu)化性能。三、針對(duì)具有短暫記憶的狼群搜索算法存在之不足,提出一種改進(jìn)的狼群搜索算法,并將其應(yīng)用于解決具體的數(shù)據(jù)分類或聚類問題。實(shí)驗(yàn)測試結(jié)果表明,該改進(jìn)算法在應(yīng)用于解決數(shù)據(jù)分類時(shí)具有較好的優(yōu)化性能。
【關(guān)鍵詞】：智能計(jì)算 優(yōu)化 狼群搜索算法 Nelder-Mead 算子 K-均值聚類算法
【學(xué)位授予單位】：廣西民族大學(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3-4
• ABSTRACT4-8
• 1 緒論8-15
• 1.1 研究背景及意義8-11
• 1.2 群智能優(yōu)化方法11-12
• 1.3 狼群搜索算法研究現(xiàn)狀12-13
• 1.4 論文的主要工作13
• 1.5 論文的結(jié)構(gòu)安排13-15
• 2 具有短暫記憶的狼群搜索算法介紹15-19
• 2.1 算法基本思想15
• 2.2 基狼群搜索規(guī)則及位置移動(dòng)策略15-16
• 2.3 本狼群搜索算法實(shí)施過程16-18
• 2.4 狼群搜索算法特點(diǎn)18
• 2.5 本章小結(jié)18-19
• 3 一種引入Nelder-Mead算子的狼群搜索算法19-31
• 3.1 引言19
• 3.2 Nelder-Mead算子介紹19-20
• 3.3 引入Nelder-Mead算子的狼群搜索算法20-22
• 3.3.1 改進(jìn)WSA算法描述20-21
• 3.3.2 NM-IWSA實(shí)施步驟21-22
• 3.4 仿真實(shí)驗(yàn)與結(jié)果分析22-29
• 3.4.1 仿真實(shí)驗(yàn)平臺(tái)22
• 3.4.2 測試函數(shù)22-24
• 3.4.3 實(shí)驗(yàn)結(jié)果分析和比較24-29
• 3.5 本章小結(jié)29-31
• 4 一種改進(jìn)的狼群搜索算法及用于解決聚類問題31-46
• 4.1 引言31-32
• 4.2 K-means聚類算法32-33
• 4.3 一種改進(jìn)的狼群搜索算法33-36
• 4.4 IWSA與K-means相結(jié)合的聚類算法36
• 4.5 實(shí)驗(yàn)仿真與結(jié)果分析36-45
• 4.5.1 實(shí)驗(yàn)仿真平臺(tái)36-37
• 4.5.2 測試數(shù)據(jù)與參數(shù)設(shè)置37-38
• 4.5.3 測試結(jié)果分析38-45
• 4.6 本章小節(jié)45-46
• 5 總結(jié)與展望46-49
• 5.1 論文總結(jié)46-47
• 5.2 展望47-49
• 參考文獻(xiàn)49-54
• 致謝54-55
• 附錄55-60
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉永蘭;李為民;吳虎勝;宋文靜;;基于狼群算法的無人機(jī)航跡規(guī)劃[J];系統(tǒng)仿真學(xué)報(bào);2015年08期

2 吳虎勝;張鳳鳴;李浩;梁曉龍;;求解TSP問題的離散狼群算法[J];控制與決策;2015年10期

3 董亞科;杜軍;李博;丁超;;多選擇背包問題離散狼群算法研究[J];傳感器與微系統(tǒng);2015年06期

4 李國亮;魏振華;徐蕾;;基于改進(jìn)搜索策略的狼群算法[J];計(jì)算機(jī)應(yīng)用;2015年06期

5 吳虎勝;張鳳鳴;戰(zhàn)仁軍;李浩;梁曉龍;;利用改進(jìn)的二進(jìn)制狼群算法求解多維背包問題[J];系統(tǒng)工程與電子技術(shù);2015年05期

6 王文;王勇;王曉偉;;一種具有記憶特征的改進(jìn)蝙蝠算法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

7 伊廷華;王傳偉;李宏男;;基于等級(jí)劃分狼群算法的三維傳感器優(yōu)化布置方法研究[J];建筑結(jié)構(gòu)學(xué)報(bào);2014年04期

8 吳虎勝;張鳳鳴;戰(zhàn)仁軍;汪送;張超;;求解0-1背包問題的二進(jìn)制狼群算法[J];系統(tǒng)工程與電子技術(shù);2014年08期

9 周強(qiáng);周永權(quán);;一種基于領(lǐng)導(dǎo)者策略的狼群搜索算法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

10 Taher NIKNAM;Babak AMIRI;Javad OLAMAEI;Ali AREFI;;An efficient hybrid evolutionary optimization algorithm based on PSO and SA for clustering[J];Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal);2009年04期

，

本文編號(hào)：909069