本文關(guān)鍵詞：人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：人工蜂群算法(Artificial Bee Colony algorithm, ABC)是受蜜蜂覓食行為啟發(fā)而產(chǎn)生的一種新型群體智能優(yōu)化算法。與遺傳算法、粒子群算法及微分進(jìn)化算法等智能算法相比,ABC算法具有更優(yōu)的性能。加之,ABC算法控制參數(shù)少、易于實(shí)現(xiàn),近年來逐漸被成功應(yīng)用于經(jīng)濟(jì)、社會、科學(xué)等眾多領(lǐng)域。然而,受進(jìn)化方式和選擇策略的影響,ABC算法也存在收斂速度偏慢、搜索方程探索能力強(qiáng)而開發(fā)能力弱等缺點(diǎn)。本文針對ABC算法存在的問題,進(jìn)行了深入研究。首先,受已有搜索方程和一些進(jìn)化算法的搜索策略的啟發(fā),提出了幾個新的搜索方程。其次,將一般的反向?qū)W習(xí)的方法作為改進(jìn)措施引入到算法中來,并在不同的改進(jìn)算法中采用不同的使用方式�？紤]到原始ABC算法中蜜蜂搜索蜜源只對一維向量進(jìn)行更新而致使算法收斂速度較慢的問題,提出了動態(tài)調(diào)整搜索頻率的改進(jìn)策略。另外,采用一種新的基于目標(biāo)函數(shù)值比較的貪婪選擇方式更新較優(yōu)解。綜合上述措施,提出了幾種改進(jìn)的人工蜂群算法。通過對若干標(biāo)準(zhǔn)測試函數(shù)的實(shí)驗(yàn)證明所提的新算法可以不同程度地提高人工蜂群算法的性能。最后,將所提出的一種算法用于周期性軌道交通時間調(diào)度優(yōu)化問題,并以廣州城鐵運(yùn)行時間表優(yōu)化為例,驗(yàn)證了所提新算法的有效性。下面分章節(jié)敘述本文的主要工作第一章為緒論部分,首先闡述了本文研究工作的背景和意義,其次介紹了元啟發(fā)式算法及其分類,并簡要介紹了幾種具有代表性的元啟發(fā)式算法,最后介紹了本文的主要內(nèi)容和結(jié)構(gòu)。第二章著重介紹人工蜂群算法,首先簡要介紹了算法的起源與發(fā)展、算法的生物學(xué)原理；再者,對算法的基本模型、流程作以描述；最后,對算法的國內(nèi)外研究現(xiàn)狀進(jìn)行了總結(jié)。第三章對于改進(jìn)人工蜂群算法、提高算法的性能進(jìn)行了研究。針對人工蜂群算法收斂速度較慢、搜索方程的開發(fā)能力較弱等缺點(diǎn),提出了一系列的改進(jìn)措施(包括重新設(shè)計搜索方程、調(diào)整蜜蜂搜索頻率和改變較優(yōu)解的選擇機(jī)制等方面),進(jìn)而提出了兩種改進(jìn)的人工蜂群算法。利用一組標(biāo)準(zhǔn)測試函數(shù),將新算法與原始ABC算法、GABC及其他進(jìn)化算法進(jìn)行了實(shí)驗(yàn)對比,結(jié)果表明所提出的新算法能有效提升原始ABC算法的性能。第四章針對原始ABC算法搜索方程的不足,調(diào)整了蜜蜂在采蜜蜂階段和跟隨蜂階段的搜索策略,主要包括采蜜蜂階段引入一般的反向?qū)W習(xí)(GOBL)的方法作為搜索機(jī)制和跟隨蜂階段局部最優(yōu)個體參與引導(dǎo)蜜蜂的搜索行為,提出了基于局部最優(yōu)解的改進(jìn)人工蜂群算法。通過實(shí)驗(yàn)數(shù)據(jù)對比,所提算法表現(xiàn)出較優(yōu)的尋優(yōu)性能。第五章受已有進(jìn)化算法搜索策略的啟發(fā),首先提出了兩個改進(jìn)的搜索方程,進(jìn)而設(shè)計了兩個新的人工蜂群算法(分別簡記為CPABC不OPABC)。本章還介紹了周期性軌道交通時間調(diào)度問題(PRTS),并改進(jìn)了問題模型。最后將OPABC算法分別應(yīng)用于數(shù)值優(yōu)化問題不PRTS問題,數(shù)值優(yōu)化問題的實(shí)驗(yàn)結(jié)果表明OPABC算法尋優(yōu)表現(xiàn)良好,針對廣州城鐵系統(tǒng)運(yùn)行時間表的優(yōu)化結(jié)果表明OPABC算法具有較強(qiáng)的競爭力。第六章對本文的主要工作進(jìn)行了總結(jié),并對今后的研究工作作了展望。
【關(guān)鍵詞】：人工蜂群算法 一般的反向?qū)W習(xí) 搜索方程 基于目標(biāo)函數(shù)值的比較方法 函數(shù)優(yōu)化 周期性軌道交通時間調(diào)度
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-22
• 1.1 引言12-14
• 1.2 元啟發(fā)式算法及其分類14
• 1.3 幾種典型的元啟發(fā)式算法14-20
• 1.4 本文內(nèi)容與結(jié)構(gòu)20-22
• 第二章 人工蜂群算法22-40
• 2.1 算法基礎(chǔ)22-24
• 2.1.1 算法的起源與發(fā)展22
• 2.1.2 算法的生物學(xué)原理22-24
• 2.2 算法描述24-27
• 2.2.1 算法基本模型24-26
• 2.2.2 算法流程26-27
• 2.3 算法的研究現(xiàn)狀27-38
• 2.4 本章小結(jié)38-40
• 第三章 基于pbest的改進(jìn)人工蜂群算法40-66
• 3.1 預(yù)備40-44
• 3.1.1 反向?qū)W習(xí)相關(guān)內(nèi)容40-42
• 3.1.2 改進(jìn)DE算法的兩種變異策略42-44
• 3.2 改進(jìn)算法(PABC1,PABC2)44-49
• 3.2.1 兩種基于pbest的搜索策略44-45
• 3.2.2 采蜜蜂階段后的反向搜索45
• 3.2.3 基于目標(biāo)函數(shù)值的貪婪選擇策略45-46
• 3.2.4 蜜蜂搜索頻率的調(diào)整46
• 3.2.5 PABC1和PABC2算法的實(shí)現(xiàn)步驟46-48
• 3.2.6 PABC1算法的復(fù)雜性分析48-49
• 3.3 實(shí)驗(yàn)與分析49-63
• 3.3.1 實(shí)驗(yàn)測試函數(shù)49
• 3.3.2 實(shí)驗(yàn)參數(shù)設(shè)置49
• 3.3.3 參數(shù)JR和兩個參數(shù)p對算法PABC1和PABC2的影響49-55
• 3.3.4 實(shí)驗(yàn)結(jié)果分析55-60
• 3.3.5 PABC2算法的各改進(jìn)策略對其性能的影響60-63
• 3.4 本章小結(jié)63-66
• 第四章 局部最優(yōu)解引導(dǎo)的改進(jìn)人工蜂群算法66-84
• 4.1 改進(jìn)算法(PABC)66-69
• 4.1.1 反向初始化種群66
• 4.1.2 采蜜蜂階段的搜索策略66-67
• 4.1.3 隨蜂階段基于pbest的搜索策略67-68
• 4.1.4 蜜蜂搜索頻率的調(diào)整68
• 4.1.5 PABC算法的實(shí)現(xiàn)步驟68-69
• 4.2 實(shí)驗(yàn)與分析69-82
• 4.2.1 實(shí)驗(yàn)測試函數(shù)69
• 4.2.2 實(shí)驗(yàn)參數(shù)設(shè)置69-71
• 4.2.3 動態(tài)選取部分個體參數(shù)p對PABC算法的影響71-75
• 4.2.4 實(shí)驗(yàn)結(jié)果分析75-78
• 4.2.5 三種主要改進(jìn)措施對算法PABC的影響78-82
• 4.3 本章小結(jié)82-84
• 第五章 基于改進(jìn)人工蜂群算法的周期性軌道交通時間調(diào)度問題84-110
• 5.1 CPABC算法84-90
• 5.1.1 CPABC算法的各改進(jìn)措施84-86
• 5.1.2 CPABC算法的實(shí)現(xiàn)步驟86-89
• 5.1.3 實(shí)驗(yàn)與分析89-90
• 5.2 OPABC算法90-103
• 5.2.1 OPABC算法的改進(jìn)策略90-91
• 5.2.2 OPABC算法的實(shí)現(xiàn)步驟91-92
• 5.2.3 實(shí)驗(yàn)與分析92-103
• 5.3 基于OPABC算法的周期性軌道交通時間調(diào)度103-109
• 5.3.1 周期性軌道交通時間調(diào)度模型(PRTS)103-105
• 5.3.2 利用OPABC算法解決PRTS問題105
• 5.3.3 數(shù)值實(shí)驗(yàn)105-109
• 5.4 本章小結(jié)109-110
• 第六章 結(jié)論110-112
• 參考文獻(xiàn)112-124
• 攻讀博士學(xué)位期間發(fā)表和提交的論文124-126
• 致謝126

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 楊琳;孔峰;賀師超;;基于自適應(yīng)選擇策略的人工蜂群算法[J];廣西工學(xué)院學(xué)報;2012年03期

2 蘇彩紅;向娜;陳廣義;王飛;;基于人工蜂群算法與BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)評價模型[J];環(huán)境工程學(xué)報;2012年02期

3 何宗耀;王翔;;蜂群—蟻群自適應(yīng)優(yōu)化算法[J];計算機(jī)應(yīng)用研究;2012年01期

4 孫曉雅;林焰;;改進(jìn)的人工蜂群算法求解任務(wù)指派問題[J];微電子學(xué)與計算機(jī);2012年01期

  本文關(guān)鍵詞：人工蜂群算法的改進(jìn)及相關(guān)應(yīng)用的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：405115