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(shí)現(xiàn),在用于求解全局優(yōu)化問(wèn)題時(shí)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(jì)算機(jī)、通信、機(jī)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(shì)。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(jìn),其應(yīng)用實(shí)踐的領(lǐng)域仍需進(jìn)一步拓展。本文在分析磷蝦群算法原理的基礎(chǔ)上,對(duì)算法進(jìn)行研究,并通過(guò)仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。本文的主要研究?jī)?nèi)容如下:1.對(duì)標(biāo)準(zhǔn)磷蝦群算法(KH)進(jìn)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(duì)算法的性能具有重要影響,對(duì)此,將算法中覓食慣性權(quán)重、最大覓食速度和步長(zhǎng)縮放因子這三個(gè)重要參數(shù)進(jìn)行大量的測(cè)試實(shí)驗(yàn),以了解它們對(duì)算法性能的影響,進(jìn)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(jìn)磷蝦群算法(AKH)。通過(guò)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(wèn)題的過(guò)程中出現(xiàn)大量的無(wú)效迭代是受慣性權(quán)重的影響,進(jìn)而對(duì)算法做出改進(jìn),在算法迭代過(guò)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(dòng)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(shí)驗(yàn)結(jié)果表明,AKH能夠有效地減少算法的無(wú)效迭代次數(shù),增強(qiáng)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(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀8-9
• 1.3 最優(yōu)化問(wèn)題及優(yōu)化方法9-10
• 1.4 本文的研究目的和研究?jī)?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(jìn)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(cè)試函數(shù)21-23
• 3.4 磷蝦群算法性能的評(píng)價(jià)標(biāo)準(zhǔn)23
• 3.5 磷蝦群算法的參數(shù)實(shí)驗(yàn)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(jìn)磷蝦群算法29-37
• 4.1 引言29
• 4.2 算法的問(wèn)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(shí)驗(yàn)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(lái)工作的展望37-39
• 參考文獻(xiàn)39-42
• 附錄 常用的無(wú)約束優(yōu)化問(wèn)題的測(cè)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(xiàng)目及作者簡(jiǎn)介45

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(jìn)粒子群算法[J];電子科技大學(xué)學(xué)報(bào);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(bào);2009年14期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(hào)：915969