基于群体协作的改进果蝇优化算法及应用

发布时间：2024-09-17 15:42

　　受果蝇觅食特性的启示,著名学者潘文超于2011年提出了一种全新的群体智能元启发式演化算法——果蝇优化算法(Fruit fly optimization algorithm)。跟目前存在的一些仿生算法比较,果蝇优化算法具有独特的优势,主要体现在以下几点:算法中出现的参数较少、流程结构简单、算法实现的难度较低。但尽管如此,果蝇优化算法同样有着类似其他元启发式方法的缺陷,易陷入局部最优、多维复杂问题的优化中会出现早熟收敛现象等。为了提升基本果蝇优化算法的寻优性能,我们引入了两种全新的改进方法,并将其分别应用于Web服务组合和多阈值图像分割中,主要工作如下:(1)随着现实世界各种服务的快速增加,不同的web服务也可以具有相同的功能属性。如何从这些组合服务中选取最符合用户需求的一个候选服务集合已成为当下备受追捧的议题,吸引了众多研究者的目光。因而衍生出来许多基于服务质量(QoS)来评价服务组合优劣程度的方法。然而,绝大多数的现行方法或多或少都有其不足之处,比如可扩展性差,系统开销大,很难找到全局最优解等。因此,我们采用了一种新的搜索策略,改进算法为NSSFOA,该算法将果蝇种群分成了具有不同寻优步...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图３．２优化结果比较（平均适应度值）??Ｆｉｇ．３．２?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ａｖｅｒａｇｅ?ｆｉｔｎｅｓｓ?

０．２，０．３，０．３｝，分别对应定义１中的Ｃ，ｄ，７：穴。??候选服务个数不变，子服务个数改变时，四种算法所得的平均适应度值曲线??如图３．２所示。由图３．２我们可以看出，ＮＳＳＦＯＡ算法所得结果的值在几种算法??中是最小的，这表明该算法能够有效地找到最优的一组组合服务。另外，....

图３．３优化结果比较（标准差）??Ｆｉｇ．３．３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（?

子服务个数为１５．?子服务个数为２０．??图３．２优化结果比较（平均适应度值）??Ｆｉｇ．３．２?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ａｖｅｒａｇｅ?ｆｉｔｎｅｓｓ）??３．４．２基于子服务集个数的比较??本部分的实验是基于ＱＷＳ数据集....

图３．４四种算法在不同迭代次数上的优化结果??１７??

子服务个数为１５．?子服务个数为２０．??图３．３优化结果比较（标准差）??Ｆｉｇ．３．３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ｓｔａｎｄａｒｄ?ｄｅｖｉａｔｉｏｎ）??表３．２平均运行时间（秒）??Ｔａｂｌｅ?３．２?Ａｖｅｒａｇｅ?....

图３．５?ＷＳ－Ｄｒｅａｍ数据集优化过程对比图??Ｆｉｇ．３．５?Ｃｏｍｐａｒａｔｉｖｅ?ｄｉａｇｒａｍ?ｏｆ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃ?

Ｆｉｇ．３．４?Ｐｅｒｆｏｒｍａｎｃｅ?ｏｆ?ｆｏｕｒ?ａｌｇｏｒｉｔｈｍｓ?ｗｉｔｈ?ｖａｒｙｉｎｇ?ｉｔｅｒａｔｉｏｎ?ｎｕｍｂｅｒｓ??３．４所示，实验结果如表３．３所示，表３．３中的ＴＭ，Ａｖｅ和Ｓｔｄ分别表示理论最??小值，平均适应度值和标准偏差。从图３．４可以看出，我....

本文编号：4005670