基于人工蜂群算法的约束优化问题研究

发布时间：2017-10-27 10:10

  本文关键词：基于人工蜂群算法的约束优化问题研究

  更多相关文章： 约束优化 RCGABC算法 NDABC算法 蒙特卡洛法 聚类分析 RCSA算法 LCSA算法 模拟退火选择机制 自适应邻域搜索机制

【摘要】：实际生活中的许多问题都可以转化为约束优化问题来处理,而约束问题的求解往往是工作的重点和难点。人工蜂群(ABC)算法为求解约束优化问题提出了一种新的思路,它和其他群智能算法一样,具有并行性高、鲁棒性好和通用性强等优点。初始蜜源的质量对ABC算法的性能影响很大,甚至不少的ABC算法都要求其是可行的,但是传统的随机搜索很难得到令人满意的结果,尤其是对于可行域占较小比例的强约束优化问题。为了提高初始蜜源的质量和增强ABC算法的寻优效率,本文建立RCGABC算法模型,可以根据问题的特点灵活的选择比例系数,生成满足需要的高质量初始可行蜜源。首先,利用蒙特卡洛法近似模拟问题可行域在搜索域中占的比例,设置相应的控制参数；其次,利用改进的ABC算法生成满足需要的可行蜜源集S1；然后,根据本文建立的随机压缩搜索算法(RCSA)对蜜源集S1进行扩充,得到可行蜜源集Sz；最后,利用聚类算法将可行蜜源集S2进行分类,并根据蜜源的空间距离通过贪婪准则选取最优蜜源。为了验证算法的有效性,本文选取两个较为复杂的测试函数,关于计算时间和蜜源多样性两个方面,分别利用随机法、ABC算法、随机压缩法以及RCGABC算法进行Matlab编程实验,通过结果的对比分析,进而验证本文的RCGABC算法的高效性。关于连续函数的约束优化问题,本文建立改进混合人工蜂群算法求解模型。首先,利用RCGABC算法生成初始可行蜜源集；然后,针对采蜜蜂和观察蜂建立自适应邻域搜索方式如下式：改进后的邻域搜索操作在原始邻域搜索公式中加入全局最优蜜源指引项(Xgij-Xij),同时根据当前蜜源集的结构特征设计自适应加速因子Ψij,以及根据算法的进化代数设计自适应比例因子Φij,通过自适应调控蜂群向邻域蜜源和最优蜜源的搜索步长,增强算法的适应和寻优能力；其次,采用基于模拟退火策略的蜂群选择机制,增强算法开拓能力,加快算法的收敛速度；最后,建立基于有限制压缩搜索算法(LCSA)和随机压缩搜索算法(RCSA)的修补算子,保证蜜源在算法迭代过程中的可行性和多样性,提高算法的搜索效率。为了验证本文算法模型的有效性,选用7个不同类型的测试函数进行编程实验,并将多次运行得到的结果与罚函数ABC算法、罚函数遗传算法进行对比,验证本文算法无论在最优解质量还是在收敛速度上都是最好的。关于组合约束优化问题,本文建立NDABC算法求解模型。首先采用序号编码方式表示约束问题的变量集,随机生成序号集的全排列作为算法的初始蜜源,根据问题的特点采用贪婪准则和禁忌搜索策略生成相应的实际组合方案；然后针对序号编码的蜜源建立自适应的邻域搜索方式,根据算法的迭代过程自适应的设置序号操作个数,并根据问题的特点选择相应的操作方式,自适应操作如下式所示：其中,cycle和Maxcycle分别为当前和最大进化代数,MEmrise和MEmin分别表示最大序号操作增长数和最小位置操作数,保证算法在前期具有较强的开拓能力,在后期具有更好的局部搜索功能。为了验证NDABC算法关于组合优化问题的求解效率,本文选用燃油运输问题、背包问题和航班降落调度问题,针对各问题的特点建立合适编码、解码算子和自适应邻域搜索算子,并针对航班降落调度模型建立微调算子,利用Matlab编程求解,并与其他文献的结果对比分析,验证本文建立的NDABC算法关于组合优化问题有相当高的计算效率。
【关键词】：约束优化 RCGABC算法 NDABC算法 蒙特卡洛法 聚类分析 RCSA算法 LCSA算法 模拟退火选择机制 自适应邻域搜索机制
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O224;TP18
【目录】：

• 摘要5-7
• Abstract7-13
• 第1章 绪论13-16
• 1.1 研究背景与研究意义13-14
• 1.2 国内外研究现状14-15
• 1.3 本文主要工作及结构安排15-16
• 第2章 研究基础16-26
• 2.1 约束优化问题综述16-20
• 2.1.1 约束优化问题描述16-17
• 2.1.2 约束处理方法17-20
• 2.2 ABC算法研究基础20-25
• 2.2.1 ABC算法的生物模型20-22
• 2.2.2 ABC算法原理22-24
• 2.2.3 ABC算法的实现步骤24-25
• 2.3 小结25-26
• 第3章 基于RCGABC算法的初始可行蜜源生成26-41
• 3.1 RCGABC算法简介26-27
• 3.2 改进ABC算法生成初步可行蜜源27-31
• 3.2.1 初始化参数28
• 3.2.2 罚值函数和适应度函数的建立28-29
• 3.2.3 侦查蜂生成初始蜜源29
• 3.2.4 采蜜蜂操作29-30
• 3.2.5 观察蜂操作30
• 3.2.6 侦查蜂更新30-31
• 3.2.7 终止条件31
• 3.3 RCSA算法扩充可行蜜源31-34
• 3.4 聚类分析和贪婪选择34-35
• 3.5 仿真实验及结果分析35-40
• 3.5.1 蜜源多样性评价标准35-37
• 3.5.2 仿真实验及结果分析37-40
• 3.6 小结40-41
• 第4章 求解约束优化问题的改进混合人工蜂群算法41-61
• 4.1 自适应蜜源更新方式41-44
• 4.1.1 粒子群算法41-42
• 4.1.2 自适应全局搜索模式42-44
• 4.2 基于模拟退火策略的选择机制44-46
• 4.2.1 模拟退火算法44-45
• 4.2.2 蜂群选择方式的改进45-46
• 4.3 修补策略46-48
• 4.4 数值实验及结果分析48-60
• 4.5 小结60-61
• 第五章 基于NDABC算法的组合优化问题求解61-79
• 5.1 NDABC算法流程61-63
• 5.1.1 编码及解码操作61
• 5.1.2 自适应邻域搜索操作61-63
• 5.2 基于NDABC算法燃油运输问题63-67
• 5.2.1 燃油运输问题简介63-64
• 5.2.2 基于NDABC算法的燃油运输问题求解流程64-66
• 5.2.3 仿真实验及结果分析66-67
• 5.3 基于NDABC算法的背包问题67-73
• 5.3.1 0-1背包问题简介68
• 5.3.2 基于NDABC算法的背包问题求解流程68-70
• 5.3.3 仿真实验和结果分析70-73
• 5.4 基于NDABC算法的航班降落调度问题73-78
• 5.4.1 航班降落调度问题简介73-74
• 5.4.2 基于NDABC算法的航班降落调度问题求解流程74-77
• 5.4.3 仿真实验和结果分析77-78
• 5.5 小结78-79
• 第六章 总结与展望79-81
• 6.1 总结79-80
• 6.2 展望80-81
• 参考文献81-85
• 攻读研究生期间发表的论文85-86
• 致谢86

【共引文献】

中国期刊全文数据库 前6条

1 刘强;姜麟;吴云;;基于旅行商问题的粒子群优化算法[J];微计算机信息;2012年03期

2 韩凤娇;;一种基于遗传算法求解TSP问题的优化算法[J];网络安全技术与应用;2012年07期

3 叶桂林;;Lingo软件在运输优化问题中的应用[J];现代商业;2011年23期

4 陈峰;武小悦;;基于定向变异算子的求解GA欺骗问题研究[J];系统工程与电子技术;2009年01期

5 刘亮;郭宇;顾婷;苏艳;;面向生产线仿真模型的优化技术研究[J];机械制造与自动化;2007年01期

6 李秀兰;刘广智;;灰色GM(1,1)模型在辽宁省货运量预测中的应用[J];物流技术;2013年21期

，

本文编号：1103023