狼群算法的研究与应用

发布时间：2017-03-20 21:13

  本文关键词：狼群算法的研究与应用，，由笔耕文化传播整理发布。

【摘要】：狼群算法(Wolf Colony Algorithm,WCA)是2011年提出的一种群智能优化算法,现已实现在医学、三维传感器优化、人工神经网络、水利水电优化等众多领域上的应用,并获得优质的实验效果,使其成为目前比较流行、前景广阔的智能计算方法之一。然而,与其他智能优化算法类似,在理论研究阶段,存在一些问题需要解决,如提高算法在优化问题中的各种性能、拓展算法应用领域等。本课题为扩充WCA算法的理论体系与实践应用,针对WCA算法存在的不足,在理论研究上,针对各种典型优化问题进行算法研究,主要采用两方面进行优化,其一,改进WCA算法的内在运行机制,以提高WCA算法求解单目标优化、多峰优化以及多目标优化问题上的性能;其二,引入其他机制,融合在WCA算法的寻优策略中,试图使算法具备处理多峰优化问题和多目标优化问题的能力。在应用上,将改进的WCA算法应用在无人机航迹规划上,取得了较好的效果。具体如下:第一,在单目标优化上,为了改善WCA算法收敛速度慢、收敛精度不高、易陷入局部极值等不足,对WCA算法内在机制进行深入研究:为了避免算法陷入局部极值,为游走行为与奔袭行为设计了交互策略,使得探狼、猛狼能更好的掌握全局信息;为了加速算法收敛速度与收敛精度,为狼群围攻行为设计了自适应行为,能够动态调节围攻范围,综上提出一种改进搜索策略的狼群算法(Modified Wolf Colony Algorithm,MWCA),通过仿真实验说明MWCA收敛速度快、收敛精度高。第二,在多峰优化上,引入小生境技术和共享适应度模型,使WCA算法具备处理能力。一方面,为使算法能够搜索出尽可能多的峰值点,引入小生境技术,使得算法具备识别峰的能力。对算法机制改进如下:第一,改进原算法依据适应度值选择探狼的方法,引入共享适应度值作为选择探狼的依据;第二,运用排挤策略,确定算法进化方向;第三,对狼群更新机制,采用自适应的小生境方法确定迭代种群,增强算法聚集各个峰值点的能力;第四,为了增强算法的寻优精度,对游走行为和奔袭行为加入交互策略,增强算法的全局寻优能力;对围攻行为进行自适应化,加快算法收敛速度。综上,提出小生境狼群算法(Niche Wolf Colony Algorithm,NWCA),仿真实验表明,NWCA算法能够准确识别各个峰值点,且精度较高。第三,在多目标优化上,首先,为了加速种群进化同时避免算法陷入局部极值,根据精英搜索策略结合正弦函数法改进游走行为,提升算法开采能力;其次,依据多目标优化的特点,结合Pareto支配定义,提出了依据Pareto等级的自适应奔袭行为,有效促进算法进化;再次,通过个体适应度调节公式,结合边界个体提出狼群自适应围攻行为,避免算法盲目搜索;最后,结合外部种群,给出算法种群进化方向,保留优质个体。综上,提出一种求解多目标优化的狼群算法(Multi-objective Optimization based on Wolf Colony Algorithm,MO-WCA),实验表明,MO-WCA算法具有较好的收敛性与分布均匀性。第四,在无人机航迹规划上,通过等效地形法建立航迹规划模型,将地形障碍与敌方威胁等效山峰化。对起始点和终点已知的无人机航迹优化问题,通过改进的MWCA算法求解,实验表明,MWCA算法有效缩短了飞行距离,能够有效解决无人机航迹规划问题。综上所述,本课题在WCA算法基础上增添交互行为与自适应行为提出的MWCA算法在求解单目标优化问题上具有更快的收敛速度与更高的收敛精度;创新性的在WCA算法上融合小生境技术与排挤策略,并优化算法寻优方式,在此基础上提出的NWCA算法很好的解决了多峰优化问题,弥补了WCA算法在多峰优化问题上的空白;改变WCA算法的内在机制,结合Pareto理论体系与Harmonic拥挤距离构建的MO-WCA算法在多目标优化上表现出更好的收敛精度与种群分布性,弥补了WCA算法在多目标优化问题上的空缺;对无人机航迹规划问题,通过MWCA算法获得更加精确的航迹路程,说明MWCA算法的具有更高的应用价值。
【关键词】：狼群算法 单目标优化 多峰优化 多目标优化 无人机航迹规划
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要5-7
• Abstract7-13
• 1 绪论13-19
• 1.1 研究背景与意义13-14
• 1.2 群智能算法简介14-15
• 1.3 狼群算法的国内外研究现状15-16
• 1.4 本文主要研究内容及章节内容综述16-19
• 2 狼群算法概述19-27
• 2.1 引言19
• 2.2 狼群算法的生物学背景19-20
• 2.3 狼群算法的基本原理20-22
• 2.4 狼群算法的具体步骤22-23
• 2.5 狼群算法特点23-24
• 2.6 WPA算法与其他智能算法比较24-25
• 2.7 狼群算法的收敛性证明25-26
• 2.8 本章小结26-27
• 3 高维复杂单目标连续优化问题的改进狼群算法27-45
• 3.1 引言27
• 3.2 高维复杂单目标连续优化问题下的狼群算法改进原理27-32
• 3.2.1 交互游走行为28-29
• 3.2.2 交互奔袭行为29-31
• 3.2.3 自适应围攻行为31
• 3.2.4 高维复杂单目标函数优化下MWCA算法的操作流程31-32
• 3.2.5 MWCA算法复杂度分析32
• 3.3 仿真实验与结果分析32-44
• 3.3.1 标准测试函数的选取与算法评价标准32-33
• 3.3.2 算法结果分析33-44
• 3.3.2.1 交互游走行为的性能分析33-35
• 3.3.2.2 交互奔袭行为的性能分析35-38
• 3.3.2.3 自适应围攻行为的性能分析38-41
• 3.3.2.4 MWCA算法与其他智能算法的性能实验与分析41-44
• 3.4 本章小结44-45
• 4 用于多模态函数优化的生境狼群算法45-55
• 4.1 引言45
• 4.2 小生境狼群算法45-50
• 4.2.1 探狼选取规则改进45-47
• 4.2.2 改进游走行为47-48
• 4.2.3 改进奔袭行为48
• 4.2.4 改进狼群围攻机制48
• 4.2.5 NWCA算法的具体操作步骤48-50
• 4.2.6 NWCA算法复杂度分析50
• 4.3 仿真实验与结果分析50-54
• 4.3.1 实验测试函数的选取50-51
• 4.3.2 NWCA算法寻峰精度的测试51-53
• 4.3.3 NWCA算法寻峰能力的测试53-54
• 4.4 本章小结54-55
• 5 求解多目标连续优化问题下的改进狼群算法55-77
• 5.1 引言55
• 5.2 多目标优化问题55-58
• 5.2.1 问题描述56
• 5.2.2 Pareto最优理论56-58
• 5.3 多目标狼群算法58-64
• 5.3.1 精英个体确定与精英搜索方式58
• 5.3.2 游走行为的改进58-59
• 5.3.3 奔袭行为的改进59-60
• 5.3.4 狼群围攻行为的改进60-61
• 5.3.5 个体优劣比较法则61-62
• 5.3.6 MO-WCA算法步骤62-63
• 5.3.7 MO-WCA算法计算量分析63
• 5.3.8 MO-WCA算法收敛性分析63-64
• 5.4 仿真实验与结果分析64-75
• 5.4.1 性能评价标准65-66
• 5.4.2 测试函数选取66-68
• 5.4.3 MO-WCA算法与其他算法实验对比68-73
• 5.4.4 算法主要参数对MO-WCA求解性能的影响73-75
• 5.5 本章小结75-77
• 6 基于WCA算法的无人机航迹规划的研究77-81
• 6.1 引言77
• 6.2 UVA航迹规划存在的问题及相关研究方法77-78
• 6.3 航迹规划问题分析及建模78-79
• 6.3.1 航迹规划问题描述78
• 6.3.2 航迹规划问题的模型构建78-79
• 6.4 航迹规划算法步骤及设计79-80
• 6.5 算法仿真与实验分析80
• 6.6 本章小结80-81
• 7 总结与展望81-83
• 7.1 总结81-82
• 7.2 展望82-83
• 参考文献83-89
• 攻读硕士学位期间发表的学术论文89-91
• 致谢91

【参考文献】

中国期刊全文数据库 前10条

1 李常洪;赵伟栋;;基于狼群算法优化的BP神经网络[J];科技创新与生产力;2016年01期

2 钱荣鑫;;一种基于文化机制的狼群算法[J];信息技术;2015年12期

3 葛宇;梁静;;一种多目标人工蜂群算法[J];计算机科学;2015年09期

4 刘永兰;李为民;吴虎胜;宋文静;;基于狼群算法的无人机航迹规划[J];系统仿真学报;2015年08期

5 吴虎胜;张凤鸣;李浩;梁晓龙;;求解TSP问题的离散狼群算法[J];控制与决策;2015年10期

6 张正文;谭文龙;潘甲;范斌;;狼群搜索算法在光伏阵列MPPT中的应用[J];河南科技大学学报(自然科学版);2015年05期

7 董亚科;杜军;李博;丁超;;多选择背包问题离散狼群算法研究[J];传感器与微系统;2015年06期

8 王建群;贾洋洋;肖庆元;;狼群算法在水电站水库优化调度中的应用[J];水利水电科技进展;2015年03期

9 吴虎胜;张凤鸣;战仁军;李浩;梁晓龙;;利用改进的二进制狼群算法求解多维背包问题[J];系统工程与电子技术;2015年05期

10 伊廷华;王传伟;李宏男;;利用分布式狼群算法进行三维传感器优化布置的方法研究[J];振动工程学报;2014年05期

中国博士学位论文全文数据库 前4条

1 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年

2 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年

3 李宏;求解几类复杂优化问题的进化算法及其应用[D];西安电子科技大学;2009年

4 赵光权;基于贪婪策略的微分进化算法及其应用研究[D];哈尔滨工业大学;2007年

中国硕士学位论文全文数据库 前3条

1 刘婷婷;基于反馈的多目标人工蜂群算法研究[D];东北大学;2013年

2 吴亮红;差分进化算法及应用研究[D];湖南大学;2007年

3 巴海涛;无人机航迹规划研究[D];西北工业大学;2006年

  本文关键词：狼群算法的研究与应用，由笔耕文化传播整理发布。

本文编号：258479