珊瑚礁算法及其应用研究

发布时间：2017-10-17 02:02

  本文关键词：珊瑚礁算法及其应用研究

  更多相关文章： 珊瑚礁算法 函数优化 小生境 0-1背包问题 路径规划

【摘要】：珊瑚礁算法是一种新的生物元启发算法,它是由S.SalcedoSanz等人在2013首次提出,并用于多峰函数值优化。珊瑚礁算法(CRO)是基于人工模拟珊瑚礁的形成和珊瑚虫的繁殖过程而提出的。由于这种算法结构简单、易行、随机搜索路径优秀,同时被成功的应用于移动网络发展和风电场设计等难解决的工程优化问题中,因此,它成为了启发式智能算法领域的一个研究热点,算法自提出以来受到了越来越多的学者的关注。但是,该算法也存在着前期收敛速度过快,易陷入局部最优,后期种群多样性不够等缺陷,大大地限制了珊瑚礁算法的应用范围。因此,珊瑚礁算法无论是在理论方面,还是在应用方面,都有待于进一步的研究和扩展。本文针对珊瑚礁算法存在的不足进行分析,并从更新策略等方面对算法进行改进,并将改进后的算法应用到实际优化问题中。本文的主要工作包括以下三个方面:(1)采取双种群策略对珊瑚礁算法进行改进,一个种群由珊瑚礁算法进行更新,另一个种群由差分进化算法进行更新,两个算法通过信息共享机制实现种群朝着不同方向进行进化。该策略能够增加种群多样性,继而增强算法的全局搜索能力,避免算法因收敛速度过快而陷入局部最优。(2)将生物学中的小生境环境引入到珊瑚礁算法中,提出一种基于小生境环境下的珊瑚礁算法。由于小生境技术的基本思想是将生物学中的小生境概念应用于进化计算中,将进化计算中的每一代个体划分为若干类,每个类中选出若干适应度较大的个体作为一个类的优秀代表并组成一个群,再在种群中,以及不同种群中之间,进行杂交、变异等操作产生新一代个体,这样就能有效地增加种群的多样性,增强算法的全局搜索能力,并将改进后的算法应用于0-1背包问题的求解。(3)本文还将改进后的珊瑚礁算法应用于求解静态环境下的机器人路径规划问题,以此来增加改进后的珊瑚礁算法的应用范围。
【关键词】：珊瑚礁算法 函数优化 小生境 0-1背包问题 路径规划
【学位授予单位】：广西民族大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 1 绪论9-13
• 1.1 引言9-10
• 1.2 珊瑚礁算法的研究现状10
• 1.3 论文主要创新点10-11
• 1.4 论文主要工作及结构安排11-13
• 2 珊瑚礁算法研究基础13-16
• 2.1 引言13
• 2.2 基本珊瑚礁算法13-15
• 2.2.1 珊瑚礁算法的相关术语13
• 2.2.2 珊瑚礁算法的基本原理13-15
• 2.2.3 珊瑚礁算法基本流程图15
• 2.3 小结15-16
• 3 一种基于珊瑚礁算法的混合全局优化算法16-24
• 3.1 引言16
• 3.2 差分进化算法16-17
• 3.3 基于珊瑚礁算法的混合全局优化算法（CRODE）的基本步骤17-18
• 3.4 CRODE算法仿真18-23
• 3.4.1 实验测试平台18
• 3.4.2 标准测试函数18-19
• 3.4.3 实验初始参数设置19
• 3.4.4 实验结果比较19-23
• 3.5 结论23-24
• 4 小生境珊瑚礁算法在0-1背包问题中的应用24-45
• 4.1 引言24
• 4.2 小生境珊瑚礁算法24-26
• 4.2.1 小生境简介24-25
• 4.2.2 小生境珊瑚礁算法25
• 4.2.3 小生境珊瑚礁算法的流程25-26
• 4.3 NCRO算法仿真26-33
• 4.3.1 实验测试平台26
• 4.3.2 标准测试函数26-27
• 4.3.3 实验初始参数设置27
• 4.3.4 实验结果比较27-33
• 4.4 基于NCRO算法求解0-1背包问题33-34
• 4.4.1 0-1背包问题33
• 4.4.2 基于NCRO算法求解0-1背包问题的流程33-34
• 4.5 仿真实验与结果分析34-44
• 4.5.1 仿真实验平台34
• 4.5.2 实验初始参数设置34
• 4.5.3 实验结果比较与分析34-44
• 4.6 结论44-45
• 5 CRODE算法在机器人路径规划中的应用45-51
• 5.1 引言45
• 5.2 栅格法环境建模45-46
• 5.3 栅格标识46-47
• 5.4 CRODE算法路径规划的方法47-49
• 5.4.1 对种群进行初始化47
• 5.4.2 适应度评价函数47
• 5.4.3 珊瑚礁混合算法（CRODE）基本执行步骤47-48
• 5.4.4 终止条件48-49
• 5.5 仿真研究49-50
• 5.6 小结50-51
• 6 总结和展望51-53
• 6.1 论文总结51
• 6.2 未来的工作51-53
• 参考文献53-57
• 附录57-59
• 致谢59

【参考文献】

中国期刊全文数据库 前10条

1 胡佳佳;周翟和;沈超;赵庆涛;;一种自适应残差补偿算法在移动机器人姿态估计中的应用研究[J];传感技术学报;2015年03期

2 崔瑾娟;;基于遗传算法的机器人路径规划[J];洛阳师范学院学报;2013年02期

3 刘亚威;张雪萍;杨腾飞;;基于量子粒子群优化的最优障碍路径分析[J];电子设计工程;2011年12期

4 刘叶青;刘三阳;谷明涛;;Powell算法在线性支持向量机中的应用[J];计算机工程;2011年12期

5 杨文潮;朱庆保;国海涛;;复杂环境下多种群蚂蚁机器人路径规划新算法[J];计算机应用与软件;2010年12期

6 杨小影;冯艳茹;钱娜;;自适应小生境遗传算法在关联规则挖掘中的应用[J];信息化纵横;2009年06期

7 徐守江;朱庆保;;基于遗传算法的移动机器人路径滚动规划[J];计算机工程;2007年20期

8 汪文英;沈斌;陆忠华;迟学斌;余慧;;基于均匀设计与Powell算法的全局最优化算法及并行实现[J];计算机应用研究;2007年05期

9 郏宣耀;王芳;;一种改进的小生境遗传算法[J];重庆邮电学院学报(自然科学版);2005年06期

10 吴新元;对牛顿迭代法的一个重要修改[J];应用数学和力学;1999年08期

，

本文编号：1046141