本文關(guān)鍵詞：磷蝦群優(yōu)化算法的研究

  更多相關(guān)文章： 全局優(yōu)化 磷蝦群優(yōu)化算法 慣性權(quán)重 自適應(yīng)

【摘要】：磷蝦群算法是一種新興的群智能優(yōu)化算法。該算法易于編程實現(xiàn),在用于求解全局優(yōu)化問題時具有快速收斂性,一經(jīng)提出便受到研究者們普遍關(guān)注,并在計算機、通信、機械、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和電力系統(tǒng)等領(lǐng)域得到應(yīng)用。與其它智能算法相比,磷蝦群算法在收斂性方面具有顯著優(yōu)勢。作為一種新的群智能算法,磷蝦群算法的理論研究有待完善,算法本身需作改進,其應(yīng)用實踐的領(lǐng)域仍需進一步拓展。本文在分析磷蝦群算法原理的基礎(chǔ)上,對算法進行研究,并通過仿真實驗進行驗證。本文的主要研究內(nèi)容如下:1.對標(biāo)準(zhǔn)磷蝦群算法(KH)進行分析,深入了解其模型構(gòu)造。在磷蝦群算法中存在著大量的參數(shù),而部分參數(shù)的選取對算法的性能具有重要影響,對此,將算法中覓食慣性權(quán)重、最大覓食速度和步長縮放因子這三個重要參數(shù)進行大量的測試實驗,以了解它們對算法性能的影響,進而給出合理的選取途徑,在一定程度上,能夠提升算法性能。2.提出一種自適應(yīng)慣性權(quán)重的改進磷蝦群算法(AKH)。通過理論推導(dǎo)可知,標(biāo)準(zhǔn)磷蝦群算法在求解全局優(yōu)化問題的過程中出現(xiàn)大量的無效迭代是受慣性權(quán)重的影響,進而對算法做出改進,在算法迭代過程中,根據(jù)適應(yīng)度值將種群粒子分成兩類:適應(yīng)度值變差粒子和適應(yīng)度值變優(yōu)粒子,然后動態(tài)調(diào)整慣性權(quán)重,將適應(yīng)度值變差粒子的慣性權(quán)重重置為零,減少慣性權(quán)重的不良影響,而適應(yīng)度值變優(yōu)粒子的慣性權(quán)重則保持不變。數(shù)值實驗結(jié)果表明,AKH能夠有效地減少算法的無效迭代次數(shù),增強了算法的收斂精度,提升了算法性能。
【關(guān)鍵詞】：全局優(yōu)化 磷蝦群優(yōu)化算法 慣性權(quán)重 自適應(yīng)
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 緒論7-12
• 1.1 研究背景與意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-9
• 1.3 最優(yōu)化問題及優(yōu)化方法9-10
• 1.4 本文的研究目的和研究內(nèi)容10-12
• 第二章 磷蝦群算法概述12-20
• 2.1 引言12
• 2.2 磷蝦群算法描述12-17
• 2.3 算法分析17-18
• 2.4 磷蝦群算法的改進策略18-19
• 2.5 磷蝦群算法的應(yīng)用19
• 2.6 本章小結(jié)19-20
• 第三章 磷蝦群算法的參數(shù)研究20-29
• 3.1 引言20
• 3.2 磷蝦群算法控制參數(shù)概述20-21
• 3.3 磷蝦群算法性能的測試函數(shù)21-23
• 3.4 磷蝦群算法性能的評價標(biāo)準(zhǔn)23
• 3.5 磷蝦群算法的參數(shù)實驗23-28
• 3.6 本章小結(jié)28-29
• 第四章 一種自適應(yīng)慣性權(quán)重的改進磷蝦群算法29-37
• 4.1 引言29
• 4.2 算法的問題分析29-31
• 4.3 自適應(yīng)慣性權(quán)重的磷蝦群算法31-34
• 4.4 數(shù)值實驗與結(jié)果分析34-36
• 4.5 本章小結(jié)36-37
• 第五章 研究工作總結(jié)與展望37-39
• 5.1 研究工作的總結(jié)37
• 5.2 未來工作的展望37-39
• 參考文獻39-42
• 附錄 常用的無約束優(yōu)化問題的測試函數(shù)42-44
• 致謝44-45
• 攻讀碩士期間撰寫的論文、參與的項目及作者簡介45

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 敖永才;師奕兵;張偉;李焱駿;;自適應(yīng)慣性權(quán)重的改進粒子群算法[J];電子科技大學(xué)學(xué)報;2014年06期

2 張瑋;王華奎;;粒子群算法穩(wěn)定性的參數(shù)選擇策略分析[J];系統(tǒng)仿真學(xué)報;2009年14期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王維博;粒子群優(yōu)化算法研究及其應(yīng)用[D];西南交通大學(xué);2012年

，

本文編號：915969