人工蜂群算法在解决全局优化问题中的研究
发布时间：2021-05-06 08:11
随着科学技术和工业技术的飞速发展,如今的优化问题逐渐呈现出多模、非凸、不可微、不连续等特点,在给传统数学优化方法带来巨大挑战的同时,也促进了一个又一个新兴优化方法的诞生。人工蜂群算法（Artificial Bee Colony,ABC）是一种模拟蜂群觅食行为的新型群智能优化算法。该算法凭借着结构简单、鲁棒性好、易于实现等特点,一经提出便受到众多领域学者的关注和研究,并已成功应用到许多现实优化问题中。尽管如此,人工蜂群算法中仍然存在诸多不足,例如探索能力与开发能力不平衡、收敛速度缓慢、蜂群搜索策略单一、蜜蜂之间缺乏信息交流等。本文以提高算法的求解精度、加快算法的收敛速度和增强算法的鲁棒性为主要目标,提出了两种改进的人工蜂群算法,主要工作如下:（1）GABC和CABC是两个杰出的求解全局优化问题的人工蜂群算法变体。GABC由于其最优引导项具有较强的开发能力,适合求解单模和简单多模问题。而CABC由于个体选择的不确定性使其具备较强的探索能力,适合求解复杂多模问题。为了结合两者的优势,本文提出一种混合人工蜂群算法（HGCABC）。在雇佣蜂阶段,使用CABC和Modified ABC/best/...
【文章来源】：深圳大学广东省
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 全局最优化问题的数学模型
1.3 论文主要工作及章节安排
第2章 人工蜂群算法概述
2.1 引言
2.2 人工蜂群算法的原理
2.2.1 常见术语
2.2.2 蜂群的采蜜过程
2.3 人工蜂群算法的流程
2.3.1 初始化阶段
2.3.2 雇佣蜂阶段
2.3.3 跟随蜂阶段
2.3.4 侦查蜂阶段
2.4 人工蜂群算法的研究现状
2.4.1 种群初始化方法
2.4.2 新的搜索等式
2.4.3 新的概率选择模型
2.4.4 其他辅助技术与算法
2.5 本章小结
第3章 混合人工蜂群算法(HGCABC)
3.1 引言
3.2 HGCABC算法
3.2.1 雇佣蜂的新搜索策略
3.2.2 跟随蜂的新资源分配机制和搜索策略
3.2.3 完整的HGCABC算法
3.3 实验分析
3.3.1 测试函数和问题
3.3.2 评价指标
3.3.3 组件有效性分析
3.3.4 在22个基准测试函数上的对比实验
3.3.5 在CEC2014测试函数上的对比实验
3.3.6 在6类现实优化问题上的对比实验
3.3.7 参数敏感性分析
3.4 本章小结
第4章 基于多种群的人工蜂群算法(MPABC_RA)
4.1 引言
4.2 MPABC_RA算法
4.2.1 雇佣蜂的种群划分方法及其搜索策略
4.2.2 跟随蜂的概率模型和搜索策略
4.2.3 完整的MPABC_RA算法
4.3 实验结果与分析
4.3.1 组件有效性分析
4.3.2 在22个基准测试函数上的对比实验
4.3.3 在CEC2014测试函数上的对比实验
4.3.4 在6类现实优化问题上的对比实验
4.3.5 参数敏感性分析
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]基于离散人工蜂群算法的云任务调度优化[J]. 倪志伟,李蓉蓉,方清华,庞闪闪. 计算机应用. 2016(01)
[2]基于改进人工蜂群算法的大型舰船主尺度优化[J]. 王文全,黄胜,侯远航,胡玉龙. 武汉理工大学学报. 2012(06)
[3]基于蜂群算法的图像边缘检测[J]. 肖永豪,余卫宇. 计算机应用研究. 2010(07)
[4]基于人工蜂群算法求解不同尺寸工件单机批调度问题[J]. 李端明,程八一. 四川大学学报(自然科学版). 2009(03)
[5]基于人工蜂群算法的机器人路径规划[J]. 胡中华,赵敏. 电焊机. 2009(04)
[6]群体智能优化算法[J]. 王辉,钱锋. 化工自动化及仪表. 2007(05)
博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
本文编号：3171577
【文章来源】：深圳大学广东省
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 全局最优化问题的数学模型
1.3 论文主要工作及章节安排
第2章 人工蜂群算法概述
2.1 引言
2.2 人工蜂群算法的原理
2.2.1 常见术语
2.2.2 蜂群的采蜜过程
2.3 人工蜂群算法的流程
2.3.1 初始化阶段
2.3.2 雇佣蜂阶段
2.3.3 跟随蜂阶段
2.3.4 侦查蜂阶段
2.4 人工蜂群算法的研究现状
2.4.1 种群初始化方法
2.4.2 新的搜索等式
2.4.3 新的概率选择模型
2.4.4 其他辅助技术与算法
2.5 本章小结
第3章 混合人工蜂群算法(HGCABC)
3.1 引言
3.2 HGCABC算法
3.2.1 雇佣蜂的新搜索策略
3.2.2 跟随蜂的新资源分配机制和搜索策略
3.2.3 完整的HGCABC算法
3.3 实验分析
3.3.1 测试函数和问题
3.3.2 评价指标
3.3.3 组件有效性分析
3.3.4 在22个基准测试函数上的对比实验
3.3.5 在CEC2014测试函数上的对比实验
3.3.6 在6类现实优化问题上的对比实验
3.3.7 参数敏感性分析
3.4 本章小结
第4章 基于多种群的人工蜂群算法(MPABC_RA)
4.1 引言
4.2 MPABC_RA算法
4.2.1 雇佣蜂的种群划分方法及其搜索策略
4.2.2 跟随蜂的概率模型和搜索策略
4.2.3 完整的MPABC_RA算法
4.3 实验结果与分析
4.3.1 组件有效性分析
4.3.2 在22个基准测试函数上的对比实验
4.3.3 在CEC2014测试函数上的对比实验
4.3.4 在6类现实优化问题上的对比实验
4.3.5 参数敏感性分析
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士学位期间的研究成果
【参考文献】：
期刊论文
[1]基于离散人工蜂群算法的云任务调度优化[J]. 倪志伟,李蓉蓉,方清华,庞闪闪. 计算机应用. 2016(01)
[2]基于改进人工蜂群算法的大型舰船主尺度优化[J]. 王文全,黄胜,侯远航,胡玉龙. 武汉理工大学学报. 2012(06)
[3]基于蜂群算法的图像边缘检测[J]. 肖永豪,余卫宇. 计算机应用研究. 2010(07)
[4]基于人工蜂群算法求解不同尺寸工件单机批调度问题[J]. 李端明,程八一. 四川大学学报(自然科学版). 2009(03)
[5]基于人工蜂群算法的机器人路径规划[J]. 胡中华,赵敏. 电焊机. 2009(04)
[6]群体智能优化算法[J]. 王辉,钱锋. 化工自动化及仪表. 2007(05)
博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
本文编号：3171577
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3171577.html
