基于随机机制的变步长果蝇优化算法及其应用

发布时间：2020-12-10 22:30

　　随着计算机技术的不断发展以及人工智能的涌现,人们在处理事务时越来越趋向于自动化和智能化,随之产生了许多智能化元启发式优化算法,果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)便属于其中之一。该算法因具有控制参数少、结构简单、运行时间短、易实现等优点,而得到广泛应用。与其它元启发式智能优化算法类似,该算法在迭代过程中容易陷入局部最优,在求解高维多极值问题时易出现早熟收敛现象。为了弥补基本FOA算法的缺陷,本文提出了基于随机机制的变步长果蝇优化算法(CSFOA),并将其用于优化广义回归神经网络(Generalized Regression Neural Network,GRNN),进而预测弹痕深度,主要研究内容如下:(1)本文提出了基于随机机制的变步长果蝇优化算法。采用动态递减步长的策略,使整个种群在较大的空间范围内搜索,在算法迭代初期具有较大的搜索步长,算法可以在全局范围内搜索,在一定程度上增强算法的探测能力。随着迭代的进行,搜索步长逐渐减小,算法便可以在当前最优解附近进行深度搜索,以提高算法在迭代后期的寻优精度。动态递减步长策略可以弥补传统FOA... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图２．１蚁群觅食过程??

以识别各种物体。ＦＯＡ算法正是依据果蝇所具有的敏锐嗅觉和视觉提出的。首??先，凭借敏锐的嗅觉感知物体所处的大致方位，然后飞近食物，再凭借视觉发现??食物和同伴聚集的位置，并飞向该位置。果蝇种群的觅食过程如图２．２所示。??ＦＩｙ?１?？?（?ＸＩ，Ｙ?Ｕ?，?，??Ｓｍｄｌｌ?抓化賴??／?ｒ?一－＾Ｉ＾ＦＩｙ２．?＜Ｘ２，Ｙ２）??／?Ｓｍｅｌｌ?２－ｆｕｎｃｔｉｏｎ?＜?ｌ／Ｄｉｓ？２?）??／?Ｆｌｙ?Ｇｍｕｐ＇ｖ．??Ｄ卜丨丨??／?／?＜Ｘ３．Ｙ３）??！?．－－－＊＊＊＂?ＳｍｃｌＩ３??图２．２果蝇觅食过程??Ｆｉｇ．２．２?Ｆｏｒａｇｉｎｇ?ｐｒｏｃｅｓｓ?ｏｆ?ｆｒｕｉｔ?ｆｌｉｅｓ??２．２．２算法描述??ＦＯＡ算法是一种寻求全局优化的新的启发式方法，具体执行步骤如下：??１１??

神经网络系统中的数据交换和信息处理也是通过相互连接的祌经元来完成的??【３７別。人工神经元模型如图２．４所示。??ＴＸ??：?（Ｚ狀?ｆ）—ｐ??＼??Ｘｎ?Ｑ??图２．４人工祌经元模型??Ｆｉｇ．２．４?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｒｏｎ?ｍｏｄｅｌ??１３??

【参考文献】：
期刊论文
[1]一种改进果蝇算法优化神经网络短期负荷预测模型[J]. 王亚琴,王耀力,王力波,常青.  电测与仪表. 2018(22)
[2]改进步长与策略的果蝇优化算法[J]. 桂龙,王爱平,丁国绅.  计算机工程与应用. 2018(04)
[3]基于自适应步长的果蝇优化算法[J]. 郭晓东,王丽芳,张学良.  中北大学学报(自然科学版). 2016(06)
[4]基于模拟退火的果蝇优化算法[J]. 张斌,张达敏,阿明翰.  计算机应用. 2016(11)
[5]线性规划模型建模和分析管理[J]. 王孝通,徐冠雷,周红进.  系统工程理论与实践. 2015(09)
[6]递减步长果蝇优化算法及应用[J]. 宁剑平,王冰,李洪儒,许葆华.  深圳大学学报(理工版). 2014(04)
[7]果蝇算法优化的广义回归神经网络在变形监测预报中的应用[J]. 范良,赵国忱,苏运强.  测绘通报. 2013(11)
[8]基于优化神经网络的短期电力负荷预测[J]. 吴桂峰,王轩,陈东雷.  计算机仿真. 2013(11)
[9]基于混沌映射的混合果蝇优化算法[J]. 程慧,刘成忠.  计算机工程. 2013(05)
[10]自适应动态规划综述[J]. 张化光,张欣,罗艳红,杨珺.  自动化学报. 2013(04)



本文编号：2909386