基于离子运动算法的动态优化问题研究

发布时间：2024-05-10 18:26

　　为了求解现实中的动态优化问题(dynamic optimization problem,DOPs)许多学者提出了基于进化算法的动态优化问题,但这些算法都存在寻优速度慢收敛精度低的等问题。为了提高动态进化算法求解动态优化问题的能力,将本文的主要研究内容分为两个方面:一是提出一种新的动态优化算法,二是将新的动态优化算法用于实际问题的求解,这样既可以完善动态算法的理论体系同时也补充了算法的应用体系。其中,对动态进化算法的研究包括两个方面:改进算法进化策略和改进动态处理技术。下面将具体介绍一下研究内容。基于上述为加强动态进化算法求解动态优化问题能力的目的,本文提出一种新的性能更加优异的动态优化算法即基于记忆策略的动态离子运动优化算法(Dynamic Ion Motion Optimization algorithm based on Memory Strategy,DIMOMS)。对其展开研究,首先需要确定动态优化算法所要采用的进化策略,鉴于离子运动算法(Ion Motion Optimization algorithm,IMO)在收敛速度、收敛精度等方面的性能更优异,所以本文采用IMO算法强...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图2-1IMO算法流程图

图2-1IMO算法流程图优化算法特点模拟自然界阴阳离子在液体和固体两个阶段的循环运动提设有两个种群，两个种群都执行液体阶段和固体阶段，并取不同的个体进化策略，增强了个体间的信息交流，提高更新策略中引入了更多向最优个体学习的部分，通过向当够加快种群收敛，并且最优个体附近的精细....

图3-2实验一椎体高度变化曲线

图3-2实验一椎体高度变化曲线验一唯一的不同是coneB的位置以及高度也在不断的变化此区间内以随机步长进行变化，位置Xi和Yi的变化范围选择，其椎体高度变化如图3-3所示。图3-3实验二椎体高度变化曲线文所提动态离子运动算法的动态优化性能，将其与现有动中心问题....

图3-3实验二椎体高度变化曲线

-31-图3-3实验二椎体高度变化曲线文所提动态离子运动算法的动态优化性能，将其与现有动中心问题的自学习差异进化算法（Self-learningdiffe[43]、Species-basedParticleSwarmOptimizerenhancedon（M....

图4-1DIMOMS算法求解数据流聚类问题的工作流程图

策略离子运动算法优化策略更新迭的中函数值计算方式进行计算方法如下：每隔Tt代（实验过程中获得的最优值Kbest，变化，说明环境发生变化，否下一步，否则回到步骤6。略动态处理策略更新进化种群。止条件则返回到步骤2。S算法求解数据流聚类问题的工

本文编号：3968843