共生生物体搜索算法及应用研究

发布时间：2020-01-26 06:40

【摘要】：共生生物体搜索算法源于对生态系统中生物体生存繁衍共同生活这一共生关系的模拟,是一种新颖的元启发式优化算法。该算法结构简单,无需可调参数,鲁棒性、搜索能力强,且容易实现,算法自提出以来愈来愈受到国内外学者极大的关注,在复杂优化和工程计算等方面得到广泛地应用。随着研究的不断深入,研究者发现该算法仍存在着收敛速度慢,寻优精度不高等缺点,限制了共生生物体搜索算法的应用范围。本论文将共生生物体搜索算法应用于解决实际问题,同时对算法中存在的不足进行分析,通过优化算法的结构和引入更新策略提高算法的性能,进一步完善算法的理论基础,扩展其应用范围。本文的工作主要包括以下3个方面:(1)在训练前馈神经网络的问题中,采用梯度下降法,如BP算法易陷入局部最优且对初始值敏感,共生生物体搜索算法具有较强的局部探测和全局开采能力。通过分析和比较,实验结果表明,该算法在优化神经网络中的权值和阈值时表现出高精度和高效率。(2)针对聚类分析问题,传统方法如k-means方法存在对初始值敏感,易陷入局部最优的缺点;共生生物体搜索算法在优化聚类问题时,具有更好的全局搜索能力,避免过早陷入局部最优的同时能够提高寻优精度。实验仿真结果表明,该算法在数据集的聚类分析性能上有显著提高。(3)进一步增强算法的局部搜索能力,将和声搜索策略融入共生生物体搜索过程,形成含有四个搜索阶段(互利阶段、片利阶段、寄生阶段、和谐阶段)的混合共生生物体搜索算法。为解决0-1背包问题,将混合算法离散化,并引入贪心搜索策略对求解过程中的可行解进行及时修正。达到增强算法的局部和全局搜索能力。
【学位授予单位】：广西民族大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP18

【参考文献】