蚁狮算法的改进研究及化工建模应用

发布时间：2021-01-02 21:00

　　蚁狮算法是受自然界蚁狮狩猎蚂蚁行为启发提出的一类群智能优化算法。蚁狮算法模拟蚁狮幼虫构建陷阱、蚂蚁随机游走和蚁狮狩猎蚂蚁等行为,具有全局搜索能力。蚁狮算法作为一类新型仿生群智能优化算法,具有原理简单、易于使用、搜索效率和收敛精度高等优点。本文在前人的研究基础上,对蚁狮算法进行改进研究,并将其用于求解化工过程建模优化问题中。本文的主要工作如下:（1）提出了一种改进的自适应蚁狮算法。该算法针对基本蚁狮算法存在的缺点,引入了自适应蚁狮权重系数并改变了蚁狮陷阱范围参数,以平衡算法的全局搜索能力和局部搜索能力。通过典型测试函数的寻优实验验证了所提算法的有效性。（2）提出了一种基于树和种子搜索策略的蚁狮算法。该算法利用树和种子算法的局部搜索策略,通过控制参数ST确定个体的进化方式,提高了算法的局部搜索能力。通过典型测试函数的寻优实验和求解超临界水氧化反应动力学模型参数辨识问题,结果验证了该算法的有效性。（3）提出了一种改进的混合差分蚁狮算法。该算法将差分算子和交叉概率引入蚁狮算法,以提高算法的搜索精度;并利用种群的进化信息,自适应调整蚁狮权重系数,改善了算法的鲁棒性和搜索效率。将所提算法用于典型测... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图１．１ＡＬ０流程图??蚁狮算法的步骤如下：??①首先进行初始化设置，设置初始种群大小、迭代次数、蚁狮陷阱大小等参??

入局部最优，侧重于全局的随机搜索上；而在算法迭代后??期，需要提高向最优点附近收敛的能力，侧重于局部的收敛能力上。本章为了提??高算法的搜索效率和自适应能力，基于文献［３５］的自适应变化曲线，提出一种自??适应蚁狮权重系数公式如下式：??（?ｆ?，?丫、??？?＝?（？ｍａｘ－？ｍｉｎ）ＸｅＸＰ?－１０ｘ?＋?＾?（２＇２）??、?Ｖ?１?ｍａｘ?Ｊ?Ｊ??式中，？ｍｍ＝０．２，？ｍａｘ＝０．８，?ｆ为当前迭代次数；Ｕ为算法最大迭代次数。自??适应权重系数随迭代次数变化曲线如图２．１所示。??０．８??－＝＾—?．?■?，???°７＇?＼??５?０．５?．?＼??０．４?■?＼?？??０．３?■??０．２??＇?１?＇￣????０?０．２?０．４?０．６?０．８?１??ｔ／Ｔ??ｍａｘ??图２．１自适应权重系数变化曲线??在算法迭代前期自适应蚁狮权重系数较大，侧重于轮盘赌选择的蚁狮产生的??影响力，提高种群进化的随机性，随着迭代次数的增加，蚁狮权重系数自适应减??小，在算法迭代后期，自适应蚁狮权重系数保持较小的数值，侧重于精英蚁狮产??生的影响力，提高算法的局部收敛能力。??２．２．２改进的蚂蚁随机游走策略??基本蚁狮算法计算时间复杂度较高，在蚂蚁随机游走的进化计算公式中，基??本蚁狮算法使用累积和作为妈蚁随机游走步长的系数，由］．２．２节公式（１．５）、（１．６）、??（１．７）可知，每一只蚂蚁在每一维度的随机游走过程中，都需要计算一次累积和??矩阵，造成了较大的计算量。为减少算法的计算量，本章采用－１到１的随??１４??

浙江大学硕士学位论文?第２章改进自适应蚁梆库法??（ｃ（Ａ＇?）－ａ，）??机数替代公式（１．７）中的１〉使用随机维度替代原算法的每一维度。??＼ｂｊ－ａｊ）??蚂蚁在陷阱周围随机游走过程中，陷阱范围随着迭代次数的增加会逐渐缩小，??使蚂蚁滑入陷阱。陷阱范围限制了蚂蚁随机游走的行动范围，陷阱半径实际上就??是蚂蚁随机游走的最大步长，根据公式（１．９），基本蚁狮算法的陷阱缩小系数的变??化曲线如图２．２所示。??１０°?１￣￣￣■?■???????１０＊２?？??￣?＇???——，??１〇４??１０＿６??１?＊?Ｊ?＇???０?０．２?０．４?０．６?０．８?１??ｔｒｒ??ｍａｘ??图２．２基本蚁Ｗ算法陷阱缩小系数??基本蚁狮算法的陷阱缩小系数变化曲线实际上是一个分段函数，在分段处不??连续，尝试使用连续函数替代原缩小系数来改善算法收敛性能，改逬的陷阱缩小??系数如公式（２．３），对应的变化曲线如图２．３所示。??＝?ｊ?＋?ｅ２〇ｘ（，／？？？＿，－ｏｓ）?（２．３）??Ｉ?Ａ?Ｉ??０．８?■?＼??０．６?．?＼??５?＼??０．４?■?＼??°２?Ｖ?■??０??丄?１?［一＾？＾???０?０．２?０．４?０．６?０．８?１??ｔ／Ｔ??ｍａｘ??图２．３陷阱范围系数变化曲线??１５??

【参考文献】：
期刊论文
[1]混合模拟退火与蚁狮优化的图像匹配方法[J]. 张焕龙,高增,张秀娇,史坤峰.  计算机科学. 2019(06)
[2]基于柯西变异的蚁狮优化算法[J]. 于建芳,刘升,韩斐斐,肖子雅.  微电子学与计算机. 2019(06)
[3]基于曲线自适应和模拟退火的蝗虫优化算法[J]. 李洋州,顾磊.  计算机应用研究. 2019(12)
[4]基于改进蚁狮算法的无人机三维航迹规划[J]. 黄长强,赵克新.  电子与信息学报. 2018(07)
[5]基于改进蚁狮算法的电力系统最优潮流计算[J]. 栗然,张凡,靳保源,范航,童煜栋,严敬汝.  电力科学与工程. 2017(09)
[6]双重反馈机制的蚁狮算法[J]. 吴伟民,张晶晶,林志毅,苏庆.  计算机工程与应用. 2017(12)
[7]一种采用改进蚁狮优化算法的图像增强方法[J]. 李宗妮,吴伟民,林志毅.  计算机应用研究. 2018(04)
[8]基于ALO-ENN算法的洪灾评估模型及应用[J]. 崔东文,王宗斌.  人民珠江. 2016(05)
[9]带混沌侦查机制的蚁狮优化算法优化SVM参数[J]. 赵世杰,高雷阜,于冬梅,徒君.  计算机科学与探索. 2016(05)
[10]一种改进的人工鱼群算法[J]. 王联国,洪毅,赵付青,余冬梅.  计算机工程. 2008(19)

博士论文
[1]智能优化算法评价模型研究[D]. 杨劲秋.浙江大学 2011
[2]基于进化算法的复杂化工过程智能建模方法及其应用[D]. 许伟.华东理工大学 2011

硕士论文
[1]基于差分进化的智能优化算法研究[D]. 童旅杨.桂林理工大学 2018



本文编号：2953633