基于鸽群算法的函数优化问题求解

发布时间：2017-10-17 09:30

  本文关键词：基于鸽群算法的函数优化问题求解

  更多相关文章： 函数优化问题 鸽群算法 混沌 反向 柯西扰动 自适应参数

【摘要】：随着科技的发展与新兴技术的出现,人类生产生活中的许多困难问题在逐渐被解决,然而,在解决方法经历了从无到有以后,如何高效地解决这类问题,成为了国内外学者不断追求与研究的新目标。现实世界中的优化问题往往都有大规模,非线性,非凸性等特点,具有NP难度。所以作为现实问题的抽象,函数优化问题特别是昂贵优化问题正成为研究的热点问题。目前,已经有许多群体智能优化算法被应用到函数优化问题当中,这也从侧面证明了群体智能算法对这类连续优化问题的有效性。本文中,我们将通过改进鸽群算法来求解函数优化问题。鸽群算法由段海滨教授于2014年提出,最初应用于航空航天领域。由于该算法发展历史较短,因此它还存在求解精度较差,收敛速度较慢,应用领域狭窄等弊端。针对这些问题,我们提出了一种改进鸽群算法,通过在算法的不同阶段实施不同的改进策略来提高算法效率。首先,在初始化过程中采用混沌加反向初始化,使得解的多样性得以保证,加快收敛速度;其次,在迭代过程中引入带有柯西扰动的重分布策略,在一定程度上跳出局部最优;最后,采用自适应参数设置来平衡局部搜索和全局搜索,提高收敛速度。在20个多维度的经典测试用例上的实验结果表明,该算法比原始鸽群算法、CLPSO(综合学习粒子群算法)、CMAES(协方差适应进化策略)更有效。
【关键词】：函数优化问题 鸽群算法 混沌 反向 柯西扰动 自适应参数
【学位授予单位】：东北师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-7
• 第一章 绪论7-12
• 1.1 研究背景和意义7-8
• 1.2 函数优化研究现状8-9
• 1.3 改进鸽群算法研究现状9-10
• 1.4 本文主要研究内容10-11
• 1.5 论文内容安排11-12
• 第二章 改进鸽群算法12-30
• 2.1 基本鸽群算法12-17
• 2.1.1 算法概述12-14
• 2.1.2 算法框架14-17
• 2.2 改进策略17-26
• 2.2.1 混沌和反向策略17-20
• 2.2.2 柯西扰动重分布策略20-23
• 2.2.3 参数自适应策略23-24
• 2.2.4 改进鸽群算法框架24-26
• 2.3 性能测试26-29
• 2.4 本章小结29-30
• 第三章 改进鸽群算法求解函数优化30-40
• 3.1 函数优化问题概述30
• 3.2 测试函数介绍30-34
• 3.3 实验设计34-35
• 3.4 实验结果与分析35-39
• 3.5 本章小结39-40
• 第四章 总结与展望40-42
• 4.1 总结40
• 4.2 展望40-42
• 参考文献42-46
• 致谢46-47
• 在学期间公开发表论文及著作情况47

【相似文献】

中国期刊全文数据库 前10条

1 唐浩;;蚁群算法的研究与展望[J];牡丹江教育学院学报;2009年06期

2 邓小波;曹聪聪;龙伦海;康耀红;;蚁群算法搜索熵研究[J];海南大学学报(自然科学版);2007年04期

3 张康;顾幸生;;全局组搜索优化算法及其应用研究[J];青岛科技大学学报(自然科学版);2012年05期

4 李东晓;蒋珉;柴干;;蚁群算法优化及其在高速公路紧急救援中的应用[J];计算机技术与发展;2010年11期

5 _5文龙 ,黄，

本文编号：1048059