基于协同进化的混合智能优化算法研究

发布时间：2019-11-22 21:26

【摘要】：现实生活中,许多领域皆会涉及到优化问题,各类计算智能方法的出现不仅使解决优化问题成为一种可能,而且为其求解提供一种新颖、独特而高效的思路。然而,随着优化问题的复杂化、多样化,单一的计算智能方法在求解质量、效率、收敛速度或全局搜索能力等方面总表现出某种局限性。因此,将不同类型的计算智能方法相结合,扬长避短,通过一种高效、特殊的方式构成混合智能优化算法已经显得越来越必要。本文首先对计算智能方法的算法原理、算法模型、算法描述以及算法的实现过程进行了详细的介绍,并对计算智能方法的收敛性和复杂度进行了细致的分析。其次,对协同进化算法的运行机理、具体实现过程进行了详细的介绍,并给出了竞争型、合作型协同进化算法的适应度求解方法。最后,在分析协同进化算法、混合智能优化算法研究现状的同时,结合计算智能方法和协同进化算法理论,针对其他学者在研究优化问题上表现出来的问题,进行了一系列的研究工作。1.在分析协同进化算法研究现状,深入理解协同进化理论的基础之上,借鉴并行进化模型与协同进化思想,使PSO算法与ACO算法相结合,提出一种并行协同进化粒—蚁算法,使算法维持两个种群。基于信息迁移、知识共享的思想,通过制定某种规则来控制种群间个体的迁移,在获得种群多样性的同时也使种群间信息得以交换,最终实现种群间协同进化。使解决单目标解向量不可划分的优化问题成为一种可能。从而脱离了协同进化在适用范围上仅针对单目标解向量可划分的问题或多目标问题这一局限。2.在协同策略上,本文提出一种新的方法,该方法借鉴蚁群算法较强的正反馈和鲁棒性来更新粒群算法粒子的速度和位置,以此来加大粒子的社会属性。同时借鉴粒群算法的寻优结果来更新蚁群算法的信息素,以此来加大算法的搜索范围。最终提高算法的性能。3.利用分阶段实现混合的思想,以PCEPA算法为首阶段,遗传算法为次阶段,提出一种两阶段混合智能优化算法,该算法较遗传算法收敛速度快,较PECPA算法求解精度高。最后通过求解TSP问题验证该算法的性能。4.用两阶段混合智能优化算法求解TSP时,在遗传算法阶段,引入两种新的交叉算子,并且提出混合交叉算子的新思想,使遗传算法得到了很大的改进,对算法过早陷入局部化最优解以及较长的收敛时间皆起到了一定的抑制作用。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 刘小勇;刘军;赵桂荣;马静;王勇超;;一种协同进化模型的研究[J];计算机工程与应用;2012年08期

2 张骞;李克清;戴欢;刘帅;;基于协同进化蜂群算法的覆盖优化策略[J];计算机工程与设计;2014年04期

3 王文韬;易维列;何永保;;合作式协同进化用于模糊系统的自动生成[J];模式识别与人工智能;2002年02期

4 袁琦;;基于多种群协同进化的物流配送路径优化[J];宁波大学学报(理工版);2010年02期

5 杨莉萍;黄厚宽;;基于双向维度抽取的协同进化存档算法[J];北京交通大学学报;2010年05期

6 戴维;边耐政;王硕;王金锁;;免疫协同进化模型在电子政务中的应用[J];微计算机信息;2012年01期

7 李碧,雍正正,周安宁;一种嵌入式的协同进化模型[J];计算机工程与应用;2005年09期

8 李航;寇纪淞;李敏强;;一类基于协同进化模型的混沌系统[J];系统仿真学报;2008年18期

9 陈峰;武小悦;;基于协同进化的航天测控资源优化调度[J];系统工程与电子技术;2009年11期

10 丁卫平;王建东;管致锦;;融合变精度粗糙熵和协同进化的概念格挖掘算法[J];解放军理工大学学报(自然科学版);2011年01期

相关重要报纸文章 前4条

1 陈海波;科学与艺术可以协同进化[N];光明日报;2014年

2 徐艳梅　司高飞;生态学对企业的启发[N];中国企业报;2005年

3 奇 云;蜂鸟与鲜花协同进化和谐共存[N];大众科技报;2005年

4 电脑商报记者 彭敏;红旗IVI：追求协同进化[N];电脑商报;2011年

相关博士学位论文 前9条

1 胡志华;基于免疫系统的协同进化机制及其应用研究[D];东华大学;2009年

2 刘健;基于协同进化理论的图书馆知识生态化机理与技术实现研究[D];吉林大学;2015年

3 王梅;基于生态原理的学科协同进化研究[D];天津大学;2006年

4 霍军周;人机结合协同进化设计方法及其应用[D];大连理工大学;2007年

5 慕彩红;协同进化数值优化算法及其应用研究[D];西安电子科技大学;2010年

6 殷红春;品牌生态系统复杂适应性及协同进化研究[D];天津大学;2005年

7 刘文俊;基于协同进化的群体规划研究及其应用[D];华中科技大学;2013年

8 张喜文;基于集体智慧的生态型企业协同进化研究[D];武汉理工大学;2011年

9 陈羽;应对未料灾变的实存装备局部再设计方法[D];大连理工大学;2011年

相关硕士学位论文 前10条

1 张雪;基于协同进化的混合智能优化算法在SMT中的应用研究[D];华南理工大学;2015年

2 石江坤;基于复杂适应性的青岛市品牌生态系统协同进化研究[D];山东财经大学;2015年

3 李阳;基于协同进化和谱聚类的大规模数据集快速聚类方法研究[D];西安电子科技大学;2014年

4 张晓茹;协同进化果蝇免疫优化算法及应用[D];贵州大学;2016年

5 侯鲁洋;AGV系统规划设计若干关键问题及求解方法研究[D];大连理工大学;2016年

6 苑红星;基于协同进化的混合智能优化算法研究[D];安徽大学;2017年

7 李同喜;支持学习的协同进化模型研究及应用[D];山东师范大学;2008年

8 张桂娟;自适应协同进化模型及应用[D];山东师范大学;2006年

9 张腾月;陕西军民融合产业园内组织成员协同进化研究[D];西安工业大学;2014年

10 李岩;基于共生协同进化的多目标算法及应用[D];北京化工大学;2008年

，

本文编号：2564653