本文選題：人工蜂群 + 單目標(biāo)優(yōu)化　； 參考：《山東師范大學(xué)》2016年博士論文

【摘要】：隨著科技的不斷進(jìn)步,在科學(xué)研究和工程實(shí)踐中遇到的問題變得越來越復(fù)雜,采用傳統(tǒng)的計(jì)算方法來解決這些問題面臨著計(jì)算復(fù)雜度高、計(jì)算時(shí)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(xué)模型和對(duì)所求解的問題不設(shè)定特別的假設(shè),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(xué)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(yīng)用最廣泛、研究得最多的算法,現(xiàn)已成為群體智能研究領(lǐng)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(jié)構(gòu)簡單、操作算子形式單一等問題。另外,對(duì)其現(xiàn)有的研究大都是針對(duì)相關(guān)領(lǐng)域的單目標(biāo)優(yōu)化問題,對(duì)多目標(biāo)問題的研究才剛剛起步,并且存在求解策略簡單、解的質(zhì)量不高、收斂速度慢等問題。因此,研究如何改進(jìn)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(yīng)用價(jià)值。本文在對(duì)現(xiàn)有的改進(jìn)人工蜂群算法進(jìn)行充分研究和深入探索后,針對(duì)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(shè)計(jì)了幾種改進(jìn)的人工蜂群算法,并且用典型的測試函數(shù)進(jìn)行大量的數(shù)值比較實(shí)驗(yàn)。論文的主要研究成果包括以下內(nèi)容:1、針對(duì)原算法的開采能力不足,尤其是在接近最優(yōu)解時(shí),算法的搜索能力變?nèi)?收斂速度變慢的問題,研究了混沌映射用于改進(jìn)人工蜂群算法的局部搜索性能。其中,Logistic混沌映射是一個(gè)非常簡單的經(jīng)典模型,在很多算法的改進(jìn)中所使用,但它對(duì)初值設(shè)置的依賴性強(qiáng),并且在0和1兩點(diǎn)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(diǎn)和不動(dòng)點(diǎn),在某些取值上分布較差。針對(duì)這些缺陷,本文對(duì)Tent映射進(jìn)行了改進(jìn),并對(duì)二維混沌映射模型Hennnon映射進(jìn)行了研究,利用其具有映射空間大,動(dòng)力學(xué)特性復(fù)雜且簡單易于實(shí)現(xiàn)的特點(diǎn),改進(jìn)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(biāo)無約束優(yōu)化問題,分別是基于改進(jìn)的Tent映射的GTENTABC和基于Hennon映射的HENABC。在7種測試函數(shù)的實(shí)驗(yàn)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(jìn)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(jié)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(qiáng)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(jié)果,可以得出HENABC算法能擴(kuò)大算法搜索空間,比較適合于求解復(fù)雜的高維問題的結(jié)論。3、針對(duì)人工蜂群算法求解約束優(yōu)化問題性能較差的缺點(diǎn),受文化基因算法啟發(fā),在前面GTENTABC算法的基礎(chǔ)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(jìn)行全局搜索,并采用可行規(guī)則來處理算法中的約束項(xiàng),在算法的開始階段選取一定比例的蜂群個(gè)體按照差分進(jìn)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(jìn)行動(dòng)態(tài)分配跟隨蜂進(jìn)行鄰域開采,將較多的計(jì)算資源動(dòng)態(tài)分配給當(dāng)前表現(xiàn)較好的更新策略,以適應(yīng)約束優(yōu)化問題的特性。通過包括難約束Bump問題在內(nèi)的9個(gè)約束優(yōu)化問題進(jìn)行實(shí)驗(yàn),并與其他文獻(xiàn)中的算法進(jìn)行了比較,驗(yàn)證了MGT_ABC算法的有效性。4、針對(duì)多目標(biāo)人工蜂群算法的求解局限,提出基于分解的多目標(biāo)人工蜂群算法MOABCD。采用分解的思想,將傳統(tǒng)的數(shù)學(xué)規(guī)劃方法與人工蜂群算法相結(jié)合,把多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)子問題集來求解,采用對(duì)稱拉丁采樣來生成盡可能均勻的權(quán)重因子,使得各個(gè)優(yōu)化目標(biāo)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(gè)目標(biāo),能有效的避免陷入局部最優(yōu)。用19個(gè)測試函數(shù)對(duì)包括本算法在內(nèi)的10種算法進(jìn)行數(shù)值比較實(shí)驗(yàn),驗(yàn)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(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒汪平;;一種基于網(wǎng)絡(luò)安全控制的蜂群算法應(yīng)用研究[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

2 李向偉;曹博;;時(shí)間參數(shù)在HITS算法中的應(yīng)用及改進(jìn)[J];蘭州工業(yè)高等專科學(xué)校學(xué)報(bào);2006年02期

3 吳濤;彭篤學(xué);;一種改進(jìn)的直線段裁剪算法[J];湛江師范學(xué)院學(xué)報(bào);2008年03期

4 張瑞子;南琳;胡琨元;田景賀;;基于EPC Class-1 Gen-2標(biāo)準(zhǔn)的防沖突算法與改進(jìn)[J];計(jì)算機(jī)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(jì)算機(jī)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(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 郭毅可;韓銳;;云計(jì)算中的彈性算法:概要和展望[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

8 牛玉靜;唐棣;;雙步圓的反走樣生成算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年23期

9 肖璞;;XML索引更新算法的改進(jìn)[J];南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

10 周駿;陳鳴;張佳明;;兩類頻繁項(xiàng)算法在網(wǎng)絡(luò)流上的適用性評(píng)估[J];計(jì)算機(jī)工程;2011年16期

相關(guān)會(huì)議論文 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)——2004年學(xué)術(shù)年會(huì)論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實(shí)現(xiàn)[A];廣西計(jì)算機(jī)學(xué)會(huì)2004年學(xué)術(shù)年會(huì)論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進(jìn)的Apriori算法的研究[A];廣西計(jì)算機(jī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)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(shí)現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

5 趙唯;;晶粒度評(píng)級(jí)的改進(jìn)算法[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會(huì)論文集[C];1998年

6 劉啟文;;可擴(kuò)展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)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(jìn)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)25周年紀(jì)念會(huì)暨2011年學(xué)術(shù)年會(huì)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(dòng)化會(huì)議論文集（下冊(cè)）[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(jì)算機(jī)學(xué)會(huì)2009年年會(huì)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(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

相關(guān)博士學(xué)位論文 前10條

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

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

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

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

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

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

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

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

相關(guān)碩士學(xué)位論文 前10條

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

2 畢曉慶;油氣探礦權(quán)競爭性出讓系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];中國地質(zhì)大學(xué)(北京);2015年

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

4 李靜;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究[D];寧夏大學(xué);2015年

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

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

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

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進(jìn)[D];長安大學(xué);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(xué);2016年

，

本文編號(hào)：1789469