蜂群算法及其仿生策略研究

发布时间：2017-11-22 21:29

  本文关键词：蜂群算法及其仿生策略研究

  更多相关文章： 蜂群算法 盲源分离 多策略改进 反向学习 Levy飞行

【摘要】：仿生群智能优化算法是目前人工智能研究热点的一个重要分支,其计算相对简单,易于扩充,此外,该算法的实现过程对计算机处理器和内存的要求较低,同时在计算过程中具有可并行以及分布运行的特点。而蜂群算法作为其中较新的一种概率搜索算法,继承了仿生群智能优化算法的理论思想,因控制参数少、易于实现、计算简洁等优点也有着较广泛的应用,但仍然存在着过早收敛、易陷入局部最优、精度不高等问题,如何选择适宜的随机过程模拟及调控恰当的局部搜索行为是解决问题的关键。盲源分离是近几年信号处理领域的研究热点之一,在源信号与传输信道未知时,通过直接观测到的混合信号经分离后恢复出源信号。独立成分分析作为其中一种重要的核心算法,应用广泛,但采用的基于梯度信息的优化算法存在着收敛速度慢、易陷入局部极值点等问题,如何选择结构简单、参数少、易调节的优化算法是其中的关键问题之一。本文根据上述问题与研究背景,在研究工作中主要探讨了一下几方面的内容：1.首先对仿生群智能优化算法及其中的蜂群算法和盲源分离作了概述,包括系统框架、主流实现算法等方面,并介绍了蜂群算法和盲源分离目前在国内外的研究和应用概况。2.系统全面地介绍了盲源分离的基础理论,包括盲源分离的算法模型、数学理论、信号混合模型、独立成分分析算法、信号的预处理及函数评价标准等,并对这些理论进行了详细的分析。3.介绍了仿生群智能优化算法中的蜂群算法,包括算法的原生物学模型、基本原理和实现流程等,并针对蜂群算法中存在的问题做了仿生策略方面的改进,主要包括在种群初始化阶段采用了反向学习的初始解优化策略,在种群更新、邻域搜索阶段采用具有Levy飞行特征的改进搜素策略,并总结了改进算法的流程。4.介绍了蜂群算法在盲源分离中的应用,将基于仿生策略改进后的蜂群算法作为盲源分离中分离矩阵的计算方法,主要包括其基本原理和相关基础理论,并总结了引入改进蜂群算法后盲源分离方法的流程。5.分别对仿生策略改进的蜂群算法和引入蜂群算法的盲源分离方法进行了实验对比。实验结果表明,基于反向学习与Levy飞行的改进蜂群算法在提高收敛速度的同时保证了算法的收敛精度,且当改进的蜂群算法作为盲源分离中初始矩阵的优化算法时,也在一定程度上解决了盲源分离的分离效果与收敛速度存在矛盾的问题。6.最后总结了本文研究的改进空间和不足,介绍了未来可能的研究方向。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18

【相似文献】

中国期刊全文数据库 前10条

1 李广彪,张剑云,毛云祥;盲源分离的发展及研究现状[J];航天电子对抗;2004年06期

2 王昆;;盲源分离问题的分析研究[J];科技信息;2008年29期

3 柯维;张永祥;吕博;;基于微分进化算法的盲源分离[J];海军工程大学学报;2012年05期

4 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

5 刘海林;谢胜利;章晋龙;;微延迟病态卷积混叠盲源分离的可分性研究[J];计算机科学;2003年07期

6 吴微东,庄哲民;基于盲源分离的一种快速独立分量分析算法[J];汕头大学学报(自然科学版);2004年02期

7 郭松;孙云莲;;基于独立分量分析盲源分离快速算法[J];电子测量技术;2004年02期

8 丁铎,贾永强,王映民;一种基于峰度的盲源分离算法研究[J];现代电子技术;2005年14期

9 肖俊,何为伟;源信号数目大于观察信号数目情况下的盲源分离[J];现代电子技术;2005年11期

10 李广彪,张剑云,毛云祥;盲源分离中的非高斯性极大准则[J];舰船电子对抗;2005年05期

中国重要会议论文全文数据库 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

3 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

4 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

5 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

6 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

7 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

8 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

9 李灯熬;基于循环平衡理论的盲源分离算法[D];太原理工大学;2010年

10 袁连喜;线性盲源分离算法的理论与应用研究[D];哈尔滨工程大学;2006年

中国硕士学位论文全文数据库 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 高鹏;基于单通道盲源分离理论的故障特征提取技术[D];长安大学;2015年

5 姚鑫;基于EEMD的单通道盲源分离研究与应用[D];大连交通大学;2015年

6 张颖;低角雷达盲信号分离方法研究[D];河南师范大学;2015年

7 吴康锐;基于空间几何信息约束的欠定卷积盲源分离[D];南昌大学;2015年

8 李莽;盲源分离在信号探测中的应用[D];电子科技大学;2014年

9 宋继飞;噪声条件下欠定盲源分离算法研究[D];大连理工大学;2015年

10 甘一凡;基于盲源分离的车辆检测与分类技术研究[D];电子科技大学;2015年

，

本文编号：1216151