2010年,劍橋大學(xué)學(xué)者YANG教授基于蝙蝠的回聲定位理論提出了蝙蝠算法（Bat Algorithm,BA）。BA算法主要通過改變聲音的響度、脈沖發(fā)射率和頻率來搜索最佳蝙蝠的位置,其具有控制參數(shù)少、尋優(yōu)速度快、且易于實現(xiàn)等特點。BA算法是一種新穎的、搜索全局最優(yōu)解的有效方法。但從蝙蝠算法本身的迭代機制而言,蝙蝠算法存在著后期收斂速度慢、收斂精度不高、易陷入局部極小點等不足,所以基本蝙蝠算法仍有很大的研究價值。對于無約束優(yōu)化問題,本文分別使用高斯擾動、最速下降法、Lévy飛行三種方法來改進(jìn)基本蝙蝠算法,提出了三種改進(jìn)的蝙蝠算法。針對基本蝙蝠算法沒有對蝙蝠速度進(jìn)行越界處理與其在局部搜索階段擾動的不充分性產(chǎn)生的易陷入局部最優(yōu)的不足,提出了基于速度越界處理與高斯擾動的改進(jìn)蝙蝠算法,保證了蝙蝠算法能夠具有更好的全局搜索能力;針對基本蝙蝠算法在局部搜索階段產(chǎn)生的蝙蝠位置不一定比全局搜索階段產(chǎn)生的蝙蝠位置要更好的不足,提出了基于速度越界處理與最速下降法改進(jìn)的蝙蝠算法,克服了蝙蝠算法局部搜索階段的不確定性;針對基本蝙蝠算法在全局搜索階段后直接進(jìn)行局部搜索階段產(chǎn)生的全局搜索不充分的不足,提出了基于慣性權(quán)... 

【文章來源】：北京建筑大學(xué)北京市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

f取10維、20維時的平均目標(biāo)函數(shù)值進(jìn)化曲線

第3章求解無約束優(yōu)化問題的改進(jìn)蝙蝠算法17（a）5f取30維時的平均進(jìn)化曲線（b）6f取10維時的平均進(jìn)化曲線（c）6f取20維時的平均進(jìn)化曲線（d）6f取30維時的平均進(jìn)化曲線（e）7f取10維時的平均進(jìn)化曲線（f）7f取20維時的平均進(jìn)化曲線圖3-475~ff取不同維數(shù)時的平均目標(biāo)函數(shù)值的進(jìn)化曲線Figure3-4Evolutionarycurvesofmeanobjectivefunctionvalueswhen75~fftakedifferentdimensions

第3章求解無約束優(yōu)化問題的改進(jìn)蝙蝠算法18（a）7f取30維時的平均進(jìn)化曲線（b）8f取10維時的平均進(jìn)化曲線（c）8f取20維時的平均進(jìn)化曲線（d）8f取30維時的平均進(jìn)化曲線圖3-587~ff取不同維數(shù)時的平均目標(biāo)函數(shù)值的進(jìn)化曲線Figure3-5Evolutionarycurvesofmeanobjectivefunctionvalueswhen87~fftakedifferentdimensions（a）9f取10維時的平均進(jìn)化曲線（b）9f取20維時的平均進(jìn)化曲線圖3-69f取10維、20維時的平均目標(biāo)函數(shù)值進(jìn)化曲線Figure3-6Evolutionarycurvesofmeanobjectivefunctionvalueswhen9ftakes10and20dimensions

【參考文獻(xiàn)】：
期刊論文
[1]基于速度越界處理與最速下降法改進(jìn)的蝙蝠算法[J]. 高超,梁昔明,龍文.  計算機應(yīng)用與軟件. 2020(02)
[2]基于速度越界處理與高斯擾動的改進(jìn)蝙蝠算法[J]. 梁昔明,高超,龍文.  數(shù)學(xué)的實踐與認(rèn)識. 2019(19)
[3]一種融合粒子群算法的蝙蝠優(yōu)化算法[J]. 翁健高,李道豐,白琳,易向陽.  廣西大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[4]基于自適應(yīng)步長的改進(jìn)蝙蝠算法[J]. 呂石磊,黃永霖,陳海強,李震,王衛(wèi)星.  控制與決策. 2018(03)
[5]基于插值預(yù)測的改進(jìn)蝙蝠算法[J]. 沈雄,陳基漓.  計算機工程與設(shè)計. 2017(07)
[6]求解零等待流水車間調(diào)度問題的改進(jìn)蝙蝠算法[J]. 劉長平,陳偉達(dá).  數(shù)學(xué)的實踐與認(rèn)識. 2016(11)
[7]蝙蝠算法優(yōu)化極限學(xué)習(xí)機的電力負(fù)荷預(yù)測模型[J]. 孔令春,孫瓊瓊,楊照峰.  遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2016(01)
[8]一種求解多維全局優(yōu)化問題的改進(jìn)蝙蝠算法[J]. 陳梅雯,鐘一文,王李進(jìn).  小型微型計算機系統(tǒng). 2015(12)
[9]粒子群優(yōu)化算法的邊界變異策略比較研究[J]. 宋莉,鄧長壽,曹良林.  計算機工程. 2015(03)
[10]自適應(yīng)變異的蝙蝠算法[J]. 岳小雪,鄭云水,林俊亭.  計算機測量與控制. 2015(02)



本文編號：3593825