一种新型的智能优化算法—人工根系算法

发布时间：2017-04-30 14:12

  本文关键词：一种新型的智能优化算法—人工根系算法，由笔耕文化传播整理发布。

【摘要】：优化命题广泛地存在于工业、农业、国防、工程、交通、金融、化工、能源、通信、IT等诸多领域。实践表明，，同等条件下，经过优化技术的处理，对系统效率的提高、能耗的降低、资源的合理配给和利用及经济效益的提高等均具有显著的效果。随着现代化生产技术的迅猛发展，各类工程问题的优化计算越来越复杂、计算精度要求也越来越高，基于严格机理模型的传统的优化方法已无法满足实际的生产生活需求。 本文将基于人工智能思想的生物自适应体的模式引入求解优化命题的过程中，构造了一种解决优化命题的新模式—人工根系模式，并由该模式形成了一种高效的人工智能优化算法—人工根系算法。 文中给出了人工根系算法的原理和详细描述，并通过经典的优化测试函数对算法的收敛性进行了分析；将人工根系算法应用于求解分析非稳定流抽水实验数据、确定各向异性条件下的含水层参数的优化问题中，并得到可靠满意的结果；将人工根系算法与人工神经网络结合，提出一种新型的判别分析方法，并将之应用于具有相似沉积特征及渗流特征的储集层流动单元类型判别中；给出人工根系算法常见的几种改进方法；最后指出人工根系算法的发展方向。 在算法应用过程中我们发现，人工根系算法具有以下特征： 算法具有快速寻优能力，能够很快收敛于全局最优值； 算法具有启发式搜索能力，采用局部搜索和全局搜索相结合的方法； 算法具有稳定性，对于较难找到全局最优值的非线性的多模态函数算法能够有效（成功率）找到全局最优解； 算法具有并行性的特点，人工根系中各根之间相对独立，多个根能够并行地进行搜索； 算法具有全局收敛性，算法对于局部极值具有免疫能力，有很强的跳出局部极值的能力。 根系模式和根系算法从设计理念到具体实施，都与经典的优化方法有所不同，同时它又有与传统的优化方法相融合的基础，易于理解、容易实现，相信根系算法具有良好的应用前景。
【关键词】：人工智能 生物自适应体 优化 人工根系算法
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 课题的目的和意义9
• 1.2 国内外研究现状和进展9-13
• 1.2.1 遗传算法10
• 1.2.2 模拟退火10-11
• 1.2.3 人工神经网络11
• 1.2.4 粒子群算法11-12
• 1.2.5 差分进化算法12
• 1.2.6 人工鱼群算法12-13
• 1.3 论文各部分主要内容13-14
• 第二章 根系模式概论14-19
• 2.1 人工智能14-15
• 2.2 基于生物行为的自适应体15-16
• 2.3 根系模式16-18
• 2.3.1 竞争16
• 2.3.2 根的向性生长16
• 2.3.3 根系行为分析16-17
• 2.3.4 人工根系17
• 2.3.5 问题的解决17-18
• 2.4 本章小结18-19
• 第三章 基本人工根系算法19-28
• 3.1 前言19-20
• 3.2 人工根系模型(AR- Artificial root)20-21
• 3.2.1 一些定义20
• 3.2.2 根系行为描述20-21
• 3.3 算法描述21-23
• 3.4 仿真实验研究23-24
• 3.5 与其他智能优化算法的比较24-26
• 3.5.1 AR 算法与粒子群算法稳定性和收敛精度对比24-25
• 3.5.2 AR 算法与粒子群算法寻优能力对比25
• 3.5.3 AR 算法与粒子群算法、人工鱼群算法收敛速度和稳定性对比25-26
• 3.6 本章小结26-28
• 第四章 估计各向异性条件下含水层参数的 ARO 算法应用28-33
• 4.1 引言28
• 4.2 一些基本概念28-29
• 4.2.1 抽水试验基础28-29
• 4.2.2 目标函数的构造29
• 4.3 仿真实验结果与初步讨论29-32
• 4.3.1 实验数据及实验条件29-30
• 4.3.2 初步讨论30-32
• 4.4 本章小结32-33
• 第五章 基于神经网络的 AR 算法33-41
• 5.1 引言33-34
• 5.2 基本概念34-35
• 5.2.1 判别分析34-35
• 5.2.2 人工神经网络35
• 5.3 构造目标函数35-37
• 5.4 目标函数优化37
• 5.5 判别准则的确定37-38
• 5.6 实例验证38-40
• 5.6.1 数据的标准化38
• 5.6.2 判别准则的确定及分类结果38-40
• 5.7 本章小结40-41
• 第六章 人工根系算法的改进方法41-45
• 6.1 引言41
• 6.2 改进的人工根系算法41-42
• 6.2.1 新生根系数目的动态化调整41-42
• 6.2.2 搜索半径 Search_space 态化调整42
• 6.3 仿真实验研究42-43
• 6.4 本章小结43-45
• 结论与展望45-46
• 参考文献46-49
• 攻读硕士学位期间取得的研究成果49-50
• 致谢50

【引证文献】

中国期刊全文数据库 前1条

1 王会;孙合明;;生长区域因子基于柯西列的人工根系算法[J];信息技术;2016年05期

中国硕士学位论文全文数据库 前2条

1 杨陈东;BP-Fisher判别分析法[D];长安大学;2015年

2 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

  本文关键词：一种新型的智能优化算法—人工根系算法，由笔耕文化传播整理发布。

本文编号：337021