灰狼算法的改进及其在运算放大器设计中的应用
发布时间：2020-12-29 18:07
灰狼算法是近几年提出来的一种元启发式群智能算法,起源于对自然界中灰狼群体的社会行为和生活习性的观察。狼群按照个体能力和作用,从上到下分为4个社会阶层,低层社会的狼必须服从高层的领导,前3个阶层的狼成为狼群的领导者,领导狼群进行捕食。灰狼算法寻优机制模拟了狼群严苛的社会等级和有序的捕食行为,最优解即为猎物,种群中最好的三个个体成为狼群的领导者,寻优过程中领导狼群包围猎物、围捕猎物、进攻猎物。灰狼算法参数少,结构简单,易于实现,在求解优化问题上具有很好局部搜索能力和求解精度,受到研究者的广泛关注。但其仍处于研究初始阶段,存在很多的不足,如种群信息没有充分利用,容易陷入局部最优点而出现早熟现象。灰狼算法的改进和应用研究对于促进灰狼算法的发展和推动计算科学的进步具有十分重要的意义。本文主要做了3方面的研究工作,其内容如下:灰狼算法在种群进化过程中,种群根据狼群领导者判断猎物潜在位置,并引导种群朝猎物潜在位置方向移动,使得狼群不断靠近最优解位置。为解决灰狼算法求解复杂问题时收敛速度较慢的问题,提高算法求解精度,本文引入导向机制,提出了一种Alpha导向灰狼算法。在狼群每次移动过程中,该算法利用A...
【文章来源】：湘潭大学湖南省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
灰狼的等级制度
r1和 r2为区间[0,1]中的随机数。当前位置为(X,Y)，猎物位置为(X*,Y*)，图 2-2 中给一代灰狼可能位置 2 维示意图。当 A=(1,0)、C=(1,1)时代灰狼的位置为(X,Y*)；当 A=(0,1)、C=(1,1)时，下当 A=(1,－1)、C=(1,1)时，下一代灰狼的位置为(X,2Y 和 C 的各维度大小，使得下一代灰狼群体分布在猎
以更新得到下一代狼所在位置。图2-3 给出了灰狼算法中个体位置更新示意图，猎物的估计位置处在 Alpha、Beta和 Delta 这三匹狼的中间，狼群所有个体都朝着猎物估计位置移动实施包围，式(2-5)到式(2-10)模拟了这一过程，并按式(2-11)对猎物发起围捕。D C X X 1 (2-5)D C X X 2 (2-6)D C X X 3 (2-7) X X A D11(2-8) X X A D22(2-9)
【参考文献】：
期刊论文
[1]一种改进的灰狼优化算法[J]. 龙文,蔡绍洪,焦建军,伍铁斌. 电子学报. 2019(01)
[2]精英导向型差分变异多目标烟花算法及其在模拟集成电路设计中的应用[J]. 陈思溢,胡拚,黄辉先. 控制与决策. 2020(01)
[3]进化信息引导的烟花差分混合多目标算法[J]. 黄辉先,胡拚,丁灿,张广炎,刘嘉婷. 计算机科学与探索. 2019(03)
[4]改进的灰狼优化算法及其高维函数和FCM优化[J]. 张新明,王霞,康强. 控制与决策. 2019(10)
[5]基于改进灰狼优化算法的无人机三维航迹规划[J]. 柳长安,王晓鹏,刘春阳,吴华. 华中科技大学学报(自然科学版). 2017(10)
[6]具有自适应搜索策略的灰狼优化算法[J]. 魏政磊,赵辉,韩邦杰,孙楚,李牧东. 计算机科学. 2017(03)
[7]Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J]. Aijun Zhu,Chuanpei Xu,Zhi Li,Jun Wu,Zhenbing Liu. Journal of Systems Engineering and Electronics. 2015(02)
[8]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新. 系统工程理论与实践. 2002(11)
博士论文
[1]进化算法及智能数据挖掘若干问题研究[D]. 张捷.西安电子科技大学 2013
[2]基于遗传算法的模拟电路优化设计方法研究[D]. 于健海.哈尔滨工业大学 2010
[3]求解约束优化问题的几种智能算法[D]. 胡一波.西安电子科技大学 2009
硕士论文
[1]基于灰狼优化算法的改进研究及其应用[D]. 马骏.杭州电子科技大学 2018
[2]灰狼优化算法及其应用[D]. 张森.广西民族大学 2017
[3]元启发式算法在离散选址中的应用[D]. 王其涛.南京航空航天大学 2010
[4]数字音频功率放大电路的设计与研究[D]. 王学祥.江南大学 2008
[5]低电压低功耗CMOS集成运放的研究与设计[D]. 张杰.湖南大学 2006
本文编号：2946063
【文章来源】：湘潭大学湖南省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
灰狼的等级制度
r1和 r2为区间[0,1]中的随机数。当前位置为(X,Y)，猎物位置为(X*,Y*)，图 2-2 中给一代灰狼可能位置 2 维示意图。当 A=(1,0)、C=(1,1)时代灰狼的位置为(X,Y*)；当 A=(0,1)、C=(1,1)时，下当 A=(1,－1)、C=(1,1)时，下一代灰狼的位置为(X,2Y 和 C 的各维度大小，使得下一代灰狼群体分布在猎
以更新得到下一代狼所在位置。图2-3 给出了灰狼算法中个体位置更新示意图，猎物的估计位置处在 Alpha、Beta和 Delta 这三匹狼的中间，狼群所有个体都朝着猎物估计位置移动实施包围，式(2-5)到式(2-10)模拟了这一过程，并按式(2-11)对猎物发起围捕。D C X X 1 (2-5)D C X X 2 (2-6)D C X X 3 (2-7) X X A D11(2-8) X X A D22(2-9)
【参考文献】：
期刊论文
[1]一种改进的灰狼优化算法[J]. 龙文,蔡绍洪,焦建军,伍铁斌. 电子学报. 2019(01)
[2]精英导向型差分变异多目标烟花算法及其在模拟集成电路设计中的应用[J]. 陈思溢,胡拚,黄辉先. 控制与决策. 2020(01)
[3]进化信息引导的烟花差分混合多目标算法[J]. 黄辉先,胡拚,丁灿,张广炎,刘嘉婷. 计算机科学与探索. 2019(03)
[4]改进的灰狼优化算法及其高维函数和FCM优化[J]. 张新明,王霞,康强. 控制与决策. 2019(10)
[5]基于改进灰狼优化算法的无人机三维航迹规划[J]. 柳长安,王晓鹏,刘春阳,吴华. 华中科技大学学报(自然科学版). 2017(10)
[6]具有自适应搜索策略的灰狼优化算法[J]. 魏政磊,赵辉,韩邦杰,孙楚,李牧东. 计算机科学. 2017(03)
[7]Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J]. Aijun Zhu,Chuanpei Xu,Zhi Li,Jun Wu,Zhenbing Liu. Journal of Systems Engineering and Electronics. 2015(02)
[8]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新. 系统工程理论与实践. 2002(11)
博士论文
[1]进化算法及智能数据挖掘若干问题研究[D]. 张捷.西安电子科技大学 2013
[2]基于遗传算法的模拟电路优化设计方法研究[D]. 于健海.哈尔滨工业大学 2010
[3]求解约束优化问题的几种智能算法[D]. 胡一波.西安电子科技大学 2009
硕士论文
[1]基于灰狼优化算法的改进研究及其应用[D]. 马骏.杭州电子科技大学 2018
[2]灰狼优化算法及其应用[D]. 张森.广西民族大学 2017
[3]元启发式算法在离散选址中的应用[D]. 王其涛.南京航空航天大学 2010
[4]数字音频功率放大电路的设计与研究[D]. 王学祥.江南大学 2008
[5]低电压低功耗CMOS集成运放的研究与设计[D]. 张杰.湖南大学 2006
本文编号：2946063
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2946063.html
