基于多维可测量空间的群智能拓展研究

发布时间：2022-01-15 08:57

　　社会经济科学的高速发展使人类的生活变得更为丰富多彩。在生活中,各领域里遇到的问题也逐渐变的复杂多样化。传统处理问题的方式已无力应付现代化社会的一般需求,在工程科技相关领域尤是如此。对于难以求解的多维度复杂问题,人们对优化技术的性能要求越来越高。传统的优化算法如线性规划,牛顿法等在解决各个领域中遇到的高维度、多峰值等问题时效果不尽如人意。群智能算法具有好的全局优化性而逐步得到关注。本文主要介绍了群智能算法中的粒子群、果蝇、花授粉三种算法。基于此,文章主要的改进与创新内容如下:1)针对粒子群算法设计一种协调的动态学习因子,使得初期迭代过程中尽量考虑自身记录的最佳点,在算法后期则快速向种群最佳点收敛。同时为克服早熟现象,以适应度方差判断种群多样性降低时,利用混沌映射的方式将该代个体更新进行再次选择并且以新的方式进行优化操作。2)针对果蝇算法只向最优个体聚拢的算法局限性,增加了小波转移的逃逸机制以保证迭代方向选择的正确性。在种群多样性较低时对群体进行逆向小波转移,指引种群从局部限制区域逃离,并向全局最优解处收敛。3)通过加入精英个体以提高种群多样性,并以一个线性递减的牵引因子诱导精英个体从算法... 

【文章来源】：江西理工大学江西省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

简易模拟优化图

图 1.2 智能算法流程是群智能算法中研究最多应用最为广，离散型组合优化问题蚁群算法则是粒子群改进后也可以做离散问题，蚁占主要研究的少部分，算法自身模型能算法得到高效的应用，涉猎于多个得到一定程度关注的有：萤火虫算法算法[13]等等，这些算法研究不同生物良好的性能，但是算法研究求解的问易发生早熟现象，收敛于局部极值点，针对求解高维问题时出现的现象进。由于计算机模拟维度空间不可能是可测量空间。

【参考文献】：
期刊论文
[1]多模函数优化的改进花朵授粉算法[J]. 郭庆,惠晓滨,张贾奎,李正欣.  北京航空航天大学学报. 2018(04)
[2]基于正交设计的反向学习差分进化算法[J]. 閤大海,李元香,祝婕.  华中科技大学学报(自然科学版). 2017(05)
[3]结合质心思想和柯西变异策略的粒子群优化算法[J]. 吕立国,季伟东.  计算机应用. 2017(05)
[4]基于引力搜索机制的花朵授粉算法[J]. 肖辉辉,万常选,段艳明,谭黔林.  自动化学报. 2017(04)
[5]基于逐层演化的群体智能算法优化[J]. 张水平,王碧,陈阳.  工程科学学报. 2017(03)
[6]多种群随机差分粒子群优化算法及其应用[J]. 王皓,高立群,欧阳海滨.  哈尔滨工程大学学报. 2017(04)
[7]基于Contourlet域虚拟树结构和FOA-SVR的自适应鲁棒数字水印算法[J]. 鲁荣波,陈留洋,丁雷,李建锋,曾琳玲.  电子学报. 2017(03)
[8]凿岩机器人钻臂定位控制交叉精英反向粒子群算法[J]. 黄开启,陈荣华,丁问司.  控制理论与应用. 2017(03)
[9]具有入侵杂草策略的花朵授粉算法[J]. 肖辉辉,段艳明.  系统仿真学报. 2017(02)
[10]基于自适应搜索的免疫粒子群算法[J]. 张超,李擎,王伟乾,陈鹏,冯毅南.  工程科学学报. 2017(01)

博士论文
[1]粒子群优化算法及差分进行算法研究[D]. 张庆科.山东大学 2017



本文编号：3590321