群智能優(yōu)化算法是人工智能領(lǐng)域不可或缺的一部分,它起源于對人工生命的研究。由于越來越多的高復(fù)雜性問題需要的解決方案在合理的時間內(nèi)是可以實現(xiàn)的,但可能不是最優(yōu)的,因此群智能優(yōu)化算法不斷受到重視。群智能算法是通過模擬自然生態(tài)系統(tǒng)機(jī)制來求解復(fù)雜的優(yōu)化問題。由于群智能優(yōu)化算法原理簡單,調(diào)整參數(shù)少,編程容易實現(xiàn)等優(yōu)點(diǎn),因此被廣泛應(yīng)用于組合優(yōu)化、參數(shù)估計、函數(shù)優(yōu)化、路徑規(guī)劃、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、圖形圖像處理等領(lǐng)域。蜻蜓算法是一種非常有效的群智能優(yōu)化算法,其靈感來自于蜻蜓的飛行行為,它已被廣泛應(yīng)用于解決單目標(biāo)和多目標(biāo)的問題、優(yōu)化支持向量機(jī)參數(shù)以及特征選擇問題等。然而,大多數(shù)群智能優(yōu)化算法都存在收斂速度慢、算法精度低、容易陷入局部最優(yōu)解、算法迭代后期種群多樣性下降、全局搜索能力差等問題,蜻蜓算法也不例外。為解決原始蜻蜓算法全局搜索能力弱,容易陷入局部最優(yōu)解和算法精度低等缺陷,本文進(jìn)行相關(guān)研究,其主要研究內(nèi)容如下:(1)本文提出了一種基于增強(qiáng)個體飛行方向的蜻蜓算法,一方面是更改了慣性權(quán)重計算公式,另一方面是在蜻蜓個體位置更新時加入選擇策略。(2)將基于增強(qiáng)個體飛行方向的蜻蜓算法離散化,為特征選擇做準(zhǔn)備。(3)將... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

DA 算法慣性權(quán)重

第3章基于增強(qiáng)個體飛行方向的蜻蜓算法14迭代過程中并不是線性遞減的，所以慣性權(quán)重w線性遞減的方式并不能準(zhǔn)確地體現(xiàn)出實際的優(yōu)化搜索過程。因此，我們將慣性權(quán)重的計算公式改為非線性的。搜索策略分析：在算法搜索過程中，蜻蜓移動方向的正確有利于提高算法的局部尋優(yōu)能力，基本蜻蜓算法中，蜻蜓移動的位置是隨機(jī)的，在局部搜索中不僅不能確保蜻蜓個體的每一次移動都是向著最優(yōu)解靠近，而且搜索過程很可能會消耗很長時間。因此，我們提出了一個讓蜻蜓個體進(jìn)行移動方向的選擇操作，不斷地引導(dǎo)蜻蜓個體向食物源位置靠近，從而提高了算法的尋優(yōu)精度。3.1.2慣性權(quán)重慣性權(quán)重是指個體保持前一時刻運(yùn)動狀態(tài)的能力，在每次迭代過程中，算法可根據(jù)個體的適應(yīng)度變化動態(tài)改變慣性權(quán)重，從而使算法具有動態(tài)自適應(yīng)性全局搜索和局部搜索的能力。在蜻蜓算法中更新步長時，慣性權(quán)重的計算公式是線性遞減的，使得算法的探索和開發(fā)能力沒有得到顯著的提高。因此，為了提高算法的早期探索能力，我們提出了一個新的公式來計算慣性權(quán)重，公式如下：max10.90.90.211ttwee...............(3.2)其中，tmax代表算法的最大迭代次數(shù)；t代表當(dāng)前的迭代次數(shù)。上述公式的圖形化表示如圖3.2所示。圖3.2EFDA算法慣性權(quán)重

EFDA算法流程圖


本文編號：2939224