【摘要】：人工魚(yú)群算法是一種新興的元啟發(fā)式仿生群集智能優(yōu)化算法,是通過(guò)模擬魚(yú)類(lèi)群體的相互社會(huì)行為,實(shí)現(xiàn)群集智能的一種優(yōu)化算法。首先對(duì)優(yōu)化問(wèn)題的歷史和發(fā)展歷程進(jìn)行了總結(jié),在此基礎(chǔ)上回顧了主要智能優(yōu)化方法的起源及其發(fā)展現(xiàn)狀。在介紹熱點(diǎn)優(yōu)化技術(shù)的發(fā)展歷程、研究現(xiàn)狀的基礎(chǔ)上,分析了人工魚(yú)群算法的模型和人工魚(yú)的行為方式,在此基礎(chǔ)上對(duì)算法的主要參數(shù)作用機(jī)理及其影響進(jìn)行了分析,根據(jù)實(shí)驗(yàn)結(jié)果總結(jié)出了人工魚(yú)群算法參數(shù)的作用效果及其特性,得出了設(shè)置算法參數(shù)的一般方法與規(guī)律。在智能算法統(tǒng)一框架理論下描述了人工魚(yú)群算法,并分析了其收斂性。針對(duì)基本人工魚(yú)群算法的視野和步長(zhǎng)在算法不同階段要求不同的矛盾,設(shè)計(jì)出一種分段自適應(yīng)函數(shù)系數(shù)法對(duì)人工魚(yú)視野和步長(zhǎng)進(jìn)行自適應(yīng)改進(jìn)。分別設(shè)計(jì)了冪函數(shù)型、線性函數(shù)型以及指數(shù)函數(shù)型三種分段自適應(yīng)函數(shù),作為人工魚(yú)視野和步長(zhǎng)的分段自適應(yīng)系數(shù)。冪函數(shù)型衰減函數(shù)具有最快的衰減速度,能使視野和步長(zhǎng)進(jìn)行快速衰減,主要應(yīng)用于局部最優(yōu)不突出的優(yōu)化問(wèn)題。線性函數(shù)型衰減函數(shù)的衰減速度最慢,且衰減過(guò)程均勻,主要用于局部極值突出的優(yōu)化問(wèn)題。指數(shù)函數(shù)型衰減函數(shù)的衰減效果介于冪函數(shù)型和線性函數(shù)型之間。采用分段自適應(yīng)函數(shù)系數(shù)法后,人工魚(yú)群算法參數(shù)魯棒性得到了極大提高,且算法復(fù)雜度沒(méi)有提高。針對(duì)基本人工魚(yú)群算法最優(yōu)解精度不高,人工魚(yú)個(gè)體分散,算法后期收斂效率下降的問(wèn)題,根據(jù)生物進(jìn)化思想提出了基于進(jìn)化策略的人工魚(yú)群算法。根據(jù)對(duì)生物進(jìn)化過(guò)程中的無(wú)性生殖和有性生殖方式的模擬,分別提出了模擬無(wú)性生殖的淘汰與克隆機(jī)制和模擬有性生殖的權(quán)值可調(diào)重組法對(duì)基本魚(yú)群算法進(jìn)行改進(jìn)。淘汰與克隆機(jī)制通過(guò)淘汰適應(yīng)度低的個(gè)體,克隆高適應(yīng)度個(gè)體,實(shí)現(xiàn)了人工魚(yú)種群整體適應(yīng)度的提高。權(quán)值可調(diào)重組法實(shí)現(xiàn)人工魚(yú)個(gè)體的有性生殖。通過(guò)權(quán)值可調(diào)重組法生成子代魚(yú)群,父代個(gè)體選擇的不確定性,使子代魚(yú)群保持了更多的特性,在提高種群整體適應(yīng)度的基礎(chǔ)上又保證了群體多樣性,其效果優(yōu)于淘汰與克隆機(jī)制。針對(duì)單一改進(jìn)方法效果有限的問(wèn)題,進(jìn)行混合人工魚(yú)群算法的研究。提出了一種新的人工魚(yú)跳躍行為,擴(kuò)展人工魚(yú)的行為方式,克服了局部極值突出的問(wèn)題。將分段自適應(yīng)函數(shù)法與淘汰與克隆機(jī)制相融合,形成了帶有淘汰與克隆機(jī)制的分段自適應(yīng)魚(yú)群算法。鑒于淘汰與克隆機(jī)制存在的局限性,研究了基于有性生殖的分段自適應(yīng)混合魚(yú)群算法,該混合算法同樣具有良好的性能。研究了基于粒子群算法的混合人工魚(yú)群算法,為其他智能算法與魚(yú)群算法的融合提供了借鑒。最后將人工魚(yú)群算法應(yīng)用到機(jī)器人路徑規(guī)劃研究中,采用一種參考點(diǎn)坐標(biāo)降維方式對(duì)人工魚(yú)進(jìn)行編碼,簡(jiǎn)化了人工魚(yú)個(gè)體的編碼方式,降低了算法復(fù)雜度。將不同安全閾值下的路徑長(zhǎng)度和碰撞概率提供給決策者,決策者可依據(jù)實(shí)際情況進(jìn)行平衡選擇。
[Abstract]:......
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曲良東;何登旭;;改進(jìn)的人工魚(yú)群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2009年05期

2 王聯(lián)國(guó);洪毅;趙付青;余冬梅;;一種簡(jiǎn)化的人工魚(yú)群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚(yú)群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚(yú)群算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚(yú)群算法的簡(jiǎn)介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚(yú)群算法的多元線性回歸分析問(wèn)題處理[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

7 陳曉峰;宋杰;;量子人工魚(yú)群算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

8 王波;;基于細(xì)胞膜優(yōu)化的人工魚(yú)群算法研究[J];科技通報(bào);2013年03期

9 王培崇;;人工魚(yú)群算法研究綜述[J];中國(guó)民航飛行學(xué)院學(xué)報(bào);2013年04期

10 李曉磊,薛云燦,路飛,田國(guó)會(huì);基于人工魚(yú)群算法的參數(shù)估計(jì)方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2004年03期

相關(guān)會(huì)議論文 前3條

1 李曉磊;錢(qián)積新;;人工魚(yú)群算法:自下而上的尋優(yōu)模式[A];過(guò)程系統(tǒng)工程2001年會(huì)論文集[C];2001年

2 徐公林;張鐵龍;;人工魚(yú)群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識(shí)中的應(yīng)用[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚(yú)群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國(guó);人工魚(yú)群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚(yú)群智能優(yōu)化算法及其應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚(yú)群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚(yú)群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲(chóng)群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚(yú)群算法在商旅問(wèn)題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚(yú)群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無(wú)功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽(yáng)理工大學(xué);2015年

6 崔淑慧;三維管路自動(dòng)敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚(yú)群算法及其在水庫(kù)(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚(yú)群算法的化工過(guò)程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚(yú)群算法無(wú)人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚(yú)群算法的柔性作業(yè)車(chē)間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：2291389