混合蛙跳算法的改进与应用研究

发布时间：2017-10-19 16:24

  本文关键词：混合蛙跳算法的改进与应用研究

  更多相关文章： 智能优化算法 混合蛙跳算法 K均值算法 协同过滤推荐算法 路径规划

【摘要】：随着科技的发展与进步,在科研工作、实践活动和日常生活中,经常会遇到最优化的求解问题。探求一种高效且简单的算法去解决最优问题已经成为一些学者研究方向之一。近些年,很多学者将混合蛙跳算法应用到各个领域的最优化求解中,同时获得部分研究成果。混合蛙跳算法是借鉴大自然中青蛙群体觅食活动所产生的一种智能仿生算法,该算法由于有着可变因子少、思想易理解、并行搜索等众多优点,导致它成为最优化问题求解中热点算法之一。但是,该算法也有其不足之处:如对初始值依赖、收敛速度过缓等。本文首先研读一些学者关于该算法的成果和理论,在此基础上,针对其缺点,在初始化种群、青蛙个体的变异方式、种群的分组三个方面对其进行改进;将改进的算法应用到传统算法中,明显改善了传统算法性能;除此之外,还将该改进算法应用到二维路径规划中,实验证明,该算法有着较好的路径规划效果。本文具体工作如下:(1)本文介绍了选题的背景、研究意义和相关理论,分析了研究的现状,再针对混合蛙跳算法收敛速度和局部搜索速度较慢等缺点,通过初始化种群、青蛙个体变异方式、种群的分组三个方面对原始混合蛙跳算法进行改进,经过在标准函数仿真实验,体现了改进后算法的优越性。(2)由于传统K均值算法过分依赖初始值设置,容易陷入局部最优等问题,将改进后混合蛙跳算法应用到K均值算法中,实验证明结合后的算法有效地克服K均值算法存在的问题。(3)将改进后混合蛙跳算法应用到传统协同过滤算法中。首先利用联合聚类填充评分矩阵,再利用改进后混合蛙跳算法计算邻居集,最后预测评分。通过数据集实验证明,改进后的算法具有更好的推荐效果。(4)为了体现算法应用广泛性,利用改进后混合蛙跳算法进行二维静态路径规划,将把路径规划问题转换成最优解求解问题,然后利用改进的混合蛙跳算法求适应度函数的最小值,得到最优路径,实验证明,相对于其他群体智能算法的路径规划,基于改进混合蛙跳算法的路径规划具有更好规划效果。
【关键词】：智能优化算法 混合蛙跳算法 K均值算法 协同过滤推荐算法 路径规划
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-17
• 1.1 选题的背景及研究意义10-11
• 1.2 研究现状分析11-15
• 1.2.1 SFLA的理论研究概况11-13
• 1.2.2 SFLA的应用研究概况13-15
• 1.3 本文研究内容15-16
• 1.4 本文组织结构16-17
• 第二章 相关理论概述17-30
• 2.1 最优化问题17-19
• 2.1.1 最优化问题的定义17
• 2.1.2 最优化问题的数学模型17-18
• 2.1.3 最优化问题的分类18
• 2.1.4 最优化问题的步骤18-19
• 2.2 群体智能算法19-25
• 2.2.1 群体智能算法的相关概念19-21
• 2.2.2 群体智能算法的计算机制21-23
• 2.2.3 常见群体智能算法的简介23-25
• 2.3 混合蛙跳算法25-29
• 2.3.1 混合蛙跳算法的基本概念和原理25-26
• 2.3.2 混合蛙跳算法的流程26-28
• 2.3.3 混合蛙跳算法的优缺点28-29
• 2.4 本章小结29-30
• 第三章 混合蛙跳算法的改进30-36
• 3.1 对种群初始化的改进30-31
• 3.2 青蛙个体变异方式的改进31-32
• 3.2.1 使用粒子群优化思想改进SFLA31-32
• 3.2.2 使用差分进化思想改进SFLA32
• 3.3 种群分组方法的改进32-33
• 3.4 改进的混合蛙跳算法性能测试33-35
• 3.4.1 实验环境和测试函数33
• 3.4.2 实验结果和分析33-35
• 3.5 本章小结35-36
• 第四章 改进的混合蛙跳在传统算法优化中的应用36-49
• 4.1 改进混合蛙跳在K均值聚类算法优化中的应用36-42
• 4.1.1 预备知识介绍36-38
• 4.1.2 问题引出38-39
• 4.1.3 基于改进混合蛙跳的K均值聚类算法39-40
• 4.1.4 基于改进混合蛙跳的K均值聚类算法性能测试40-42
• 4.2 改进混合蛙跳在协同过滤算法优化中的应用42-48
• 4.2.1 预备知识介绍42-43
• 4.2.2 问题引出43-44
• 4.2.3 基于混合蛙跳联合聚类的协同过滤算法44-47
• 4.2.4 基于混合蛙跳联合聚类的协同过滤算法性能测试47-48
• 4.3 本章小结48-49
• 第五章 改进混合蛙跳算法在移动机器人路径规划中的应用49-55
• 5.1 预备知识介绍49-50
• 5.1.1 路径规划的定义49
• 5.1.2 路径规划的步骤49-50
• 5.1.3 路径规划的方法50
• 5.2 问题的引出50-51
• 5.3 基于改进混合蛙跳算法的移动机器人路径规划51-52
• 5.4 基于改进混合蛙跳算法的移动机器人路径规划性能测试52-54
• 5.5 本章小结54-55
• 第六章 总结与展望55-57
• 6.1 本文总结55-56
• 6.2 未来展望56-57
• 参考文献57-60
• 致谢60-61
• 攻读学位期间的研究成果61-62

【相似文献】

中国期刊全文数据库 前10条

1 苏小虎;;用于数列寻空的蛙跳算法[J];电脑知识与技术;2011年10期

2 邹采荣;张潇丹;赵力;;混合蛙跳算法综述[J];信息化研究;2012年05期

3 李晶晶;戴月明;;自适应混合变异的蛙跳算法[J];计算机工程与应用;2013年10期

4 贺毅朝;曲文龙;许冀伟;;一种改进的混合蛙跳算法及其收敛性分析[J];计算机工程与应用;2011年22期

5 张潇丹;胡峰;赵力;邹采荣;;改进的混合蛙跳算法及其应用[J];南京理工大学学报;2012年06期

6 张强;李盼池;;量子混合蛙跳算法求解连续空间优化问题[J];吉林大学学报(理学版);2013年03期

7 何兵;;改进混合蛙跳算法及其函数优化应用[J];泸州职业技术学院学报;2013年01期

8 王凌云;张国玉;徐熙平;;基于蛙跳式柔性三坐标测量系统误差理论分析[J];机械工程学报;2009年04期

9 许金元;;混合型蛙跳算法及其应用研究[J];计算机应用研究;2011年08期

10 吕立霞;李学庆;;一种改进的混合蛙跳算法[J];中南林业科技大学学报;2011年10期

中国重要会议论文全文数据库 前1条

1 张大林;曹伟;吕慧鹏;;二级蛙跳成绩自动测量系统的研制[A];第十七届全国高校田径科研论文报告会论文专辑[C];2007年

中国重要报纸全文数据库 前7条

1 总编 许传朝;产业发展要学会蛙跳[N];计算机世界;2011年

2 于泽　师海波;“蛙跳”战术跳出传统拉锯战[N];中国国防报;2002年

3 莫颖怡　季明;汽车产业能否选择“蛙跳战略”[N];经济参考报;2004年

4 经济视点报见习记者 关开运;戈萨·冈多斯:“蛙跳”的中国值得学习[N];经济视点报;2008年

5 徐文龙;氢燃汽车，上海支柱产业的蛙跳战略[N];解放日报;2005年

6 江新辉;呼伦贝尔市在开放升级中谋求经济“蛙跳”[N];内蒙古日报(汉);2006年

7 本报驻南非记者 苑基荣 本报驻尼日利亚记者 李凉;服务业驱动非洲“蛙跳式”发展[N];人民日报;2014年

中国博士学位论文全文数据库 前2条

1 赵转哲;混合蛙跳算法的改进及在旋转机械故障诊断中的应用研究[D];东南大学;2016年

2 黄先海;蛙跳型经济增长[D];复旦大学;2003年

中国硕士学位论文全文数据库 前10条

1 刘丽萍;基于改进猴群和蛙跳算法的玻璃幕墙风振可靠性分析[D];河北工程大学;2015年

2 王龙斌;混合蛙跳算法研究与改进[D];西安电子科技大学;2014年

3 张旭;混合蛙跳算法研究[D];西安电子科技大学;2014年

4 董琳;混洗蛙跳算法的研究及应用[D];浙江大学;2014年

5 叶晶晶;蛙跳算法的改进及在车辆路径问题中的研究[D];广东工业大学;2016年

6 史智慧;基于蛙跳算法的板球系统控制研究[D];西南大学;2016年

7 朱文婷;混合蛙跳算法的研究及其改进[D];延安大学;2016年

8 张士强;随机蛙跳优化的对称极限学习机算法研究[D];辽宁大学;2016年

9 吴清;改进蛙跳算法的WSN路由协议研究[D];上海海洋大学;2016年

10 张勇;混合蛙跳算法的改进与应用研究[D];江西理工大学;2016年

，

本文编号：1062115