發(fā)布時間：2018-04-22 23:33

  本文選題：人工蜂群 + 單目標優(yōu)化�。� 參考：《山東師范大學》2016年博士論文

【摘要】：隨著科技的不斷進步,在科學研究和工程實踐中遇到的問題變得越來越復雜,采用傳統(tǒng)的計算方法來解決這些問題面臨著計算復雜度高、計算時間長等問題。而近期廣泛研究的群體智能算法,由于不需要具體的數(shù)學模型和對所求解的問題不設定特別的假設,為求解此類問題開辟了新的研究思路。人工蜂群算法是2007年土耳其學者Karaboga提出的一類模仿蜜蜂群體的智能行為產(chǎn)生的算法,并且在同期出現(xiàn)的各種蜂群智能算法中,是應用最廣泛、研究得最多的算法,現(xiàn)已成為群體智能研究領域中的新興研究分支之一。但截至到目前,人工蜂群算法的體系研究還不夠成熟,存在算法結構簡單、操作算子形式單一等問題。另外,對其現(xiàn)有的研究大都是針對相關領域的單目標優(yōu)化問題,對多目標問題的研究才剛剛起步,并且存在求解策略簡單、解的質量不高、收斂速度慢等問題。因此,研究如何改進人工蜂群算法,尤其是根據(jù)不同的優(yōu)化問題采用比較成熟的求解策略和操作算子來提高人工蜂群算法的性能,具有重要的理論意義和潛在的應用價值。本文在對現(xiàn)有的改進人工蜂群算法進行充分研究和深入探索后,針對具體的優(yōu)化問題和算法中存在的不足,研究了幾種算法混合策略,設計了幾種改進的人工蜂群算法,并且用典型的測試函數(shù)進行大量的數(shù)值比較實驗。論文的主要研究成果包括以下內容:1、針對原算法的開采能力不足,尤其是在接近最優(yōu)解時,算法的搜索能力變弱,收斂速度變慢的問題,研究了混沌映射用于改進人工蜂群算法的局部搜索性能。其中,Logistic混沌映射是一個非常簡單的經(jīng)典模型,在很多算法的改進中所使用,但它對初值設置的依賴性強,并且在0和1兩點附近的分布要多于其它區(qū)域。Tent映射產(chǎn)生的混沌序列更具有全局遍歷性,且分布較Logistic映射更均勻,但由于存在不穩(wěn)定的周期點和不動點,在某些取值上分布較差。針對這些缺陷,本文對Tent映射進行了改進,并對二維混沌映射模型Hennnon映射進行了研究,利用其具有映射空間大,動力學特性復雜且簡單易于實現(xiàn)的特點,改進算法搜索范圍。2、本文研究了兩種基于混沌搜索的人工蜂群算法用于求解單目標無約束優(yōu)化問題,分別是基于改進的Tent映射的GTENTABC和基于Hennon映射的HENABC。在7種測試函數(shù)的實驗中,把以上兩種算法和常用的Logistic混沌搜索、Tent混沌搜索,以及基本的人工蜂群算法進行比較,可得GTENTABC算法不管是在單峰還是多峰問題上,都能在收斂速度和求解精度上獲得比基本的ABC算法及其他混沌搜索算法較好的結果,并且隨著維數(shù)的增加,也能保持較好的有效性和魯棒性。說明GTENTABC算法不僅具有全局尋優(yōu)能力,而且具有較強的局部搜索能力。其次,采用二維混沌映射模型的HENABC算法在多模態(tài)高維測試中獲得了良好的結果,可以得出HENABC算法能擴大算法搜索空間,比較適合于求解復雜的高維問題的結論。3、針對人工蜂群算法求解約束優(yōu)化問題性能較差的缺點,受文化基因算法啟發(fā),在前面GTENTABC算法的基礎上,提出了一種基于可行規(guī)則的文化基因人工蜂群算法(MGT_ABC)來求解約束優(yōu)化問題。算法中采用差分搜索算法作為文化基因框架里的演化算法進行全局搜索,并采用可行規(guī)則來處理算法中的約束項,在算法的開始階段選取一定比例的蜂群個體按照差分進化算法搜索蜜源位置,以提高種群的多樣性,隨后按照一定的概率模型進行動態(tài)分配跟隨蜂進行鄰域開采,將較多的計算資源動態(tài)分配給當前表現(xiàn)較好的更新策略,以適應約束優(yōu)化問題的特性。通過包括難約束Bump問題在內的9個約束優(yōu)化問題進行實驗,并與其他文獻中的算法進行了比較,驗證了MGT_ABC算法的有效性。4、針對多目標人工蜂群算法的求解局限,提出基于分解的多目標人工蜂群算法MOABCD。采用分解的思想,將傳統(tǒng)的數(shù)學規(guī)劃方法與人工蜂群算法相結合,把多目標優(yōu)化問題轉化為單目標子問題集來求解,采用對稱拉丁采樣來生成盡可能均勻的權重因子,使得各個優(yōu)化目標的分布多樣性較好,并基于懲罰函數(shù)的邊界交集法來分解優(yōu)化的多個目標,能有效的避免陷入局部最優(yōu)。用19個測試函數(shù)對包括本算法在內的10種算法進行數(shù)值比較實驗,驗證MOABCD算法的有效性。
[Abstract]:This paper studies several kinds of algorithm mixing strategies , which is a very simple classical model , which is a very simple classical model and has a simple structure and a single operation operator . In the experiment of seven kinds of test functions , two kinds of algorithms and common Logistic chaotic search , chaotic search and basic artificial swarm algorithm are compared .

【學位授予單位】：山東師范大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 鄒汪平;;一種基于網(wǎng)絡安全控制的蜂群算法應用研究[J];吉林師范大學學報(自然科學版);2013年04期

2 李向偉;曹博;;時間參數(shù)在HITS算法中的應用及改進[J];蘭州工業(yè)高等專科學校學報;2006年02期

3 吳濤;彭篤學;;一種改進的直線段裁剪算法[J];湛江師范學院學報;2008年03期

4 張瑞子;南琳;胡琨元;田景賀;;基于EPC Class-1 Gen-2標準的防沖突算法與改進[J];計算機工程;2009年02期

5 黃超;周寧;倪佑生;;基于蟻群算法的攻擊圖分析[J];計算機工程;2009年18期

6 秦永彬;許道云;;警示傳播算法的原理分析及算法改進[J];計算機工程與應用;2010年19期

7 郭毅可;韓銳;;云計算中的彈性算法:概要和展望[J];上海大學學報(自然科學版);2013年01期

8 牛玉靜;唐棣;;雙步圓的反走樣生成算法[J];計算機工程與應用;2010年23期

9 肖璞;;XML索引更新算法的改進[J];南京工程學院學報(自然科學版);2010年03期

10 周駿;陳鳴;張佳明;;兩類頻繁項算法在網(wǎng)絡流上的適用性評估[J];計算機工程;2011年16期

相關會議論文 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應用技術交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2006年

相關博士學位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結構健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應用[D];西安電子科技大學;2015年

3 苗義烽;突發(fā)事件下的列車運行調度模型與算法研究[D];中國鐵道科學研究院;2015年

4 楊玉婷;頭腦風暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學;2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學;2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學;2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學;2016年

8 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學;2008年

9 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學;2014年

10 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學;2014年

相關碩士學位論文 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權競爭性出讓系統(tǒng)設計與實現(xiàn)[D];中國地質大學(北京);2015年

3 王明明;鐵路大機與線路固定設施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關鍵技術研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災應急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應用與改進[D];長安大學;2015年

10 劉闊;面向傾斜數(shù)據(jù)的MapReduce連接算法研究[D];大連海事大學;2016年

，

本文編號：1789469