自适应编码学习的人工蜂群算法研究及应用

发布时间：2020-04-18 04:46

【摘要】：人工蜂群算法是一类模拟蜜蜂觅食行为的群体智能算法。因控制参数少、结构简单、易于实现的特点,人工蜂群算法已受到了国内外研究人员的普遍关注,并提出各具特色的改进算法。同时,在人工蜂群算法的设计和应用过程中,有待进一步解决的问题,如不仅要考虑如何分析人工蜂群算法搜索方程的数学特性,而且需要分析如何利用问题的特征改进搜索方程。有鉴于此,本文旨在提出一类自适应编码学习的人工蜂群算法,并对其在变量相关的数值优化问题求解方面展开研究,主要创新性工作如下:1.人工蜂群算法搜索方程的数学特征分析。搜索方程是人工蜂群算法的核心算子,直接决定着算法的优化性能,因此如何分析与挖掘搜索方程的数学特征是设计高效人工蜂群算法的重要途径。有鉴于此,首先,利用相关的矩阵理论分析,将搜索方程描述为一个矩阵变换的过程。其次,根据矩阵变换的代数性质证明搜索方程是一类旋转可变的算子。最后给出基于矩阵变换搜索方程的几何解释。2.自适应编码的学习框架设计。针对人工蜂群算法求解变量相关数值优化问题优化性能低的问题,提出一种自适应编码学习的人工蜂群算法。首先,利用协方差矩阵学习演化种群分布的相关性,并通过识别适应度地形的特征来释放变量的相关性,以此引导种群向关联性较弱的方向演化。其次,设计一种自适应选择机制来实现计算资源在不同坐标系统上的动态分配,以此平衡算法的探索与开发能力,从而达到提高计算效率的目的。3.自适应编码学习的有效性研究。为验证自适应编码学习的有效性,将提出的自适应编码学习策略集成到8组已有的人工蜂群算法,并分别在30、50、100维的CEC2014测试平台上进行仿真实验。此外,将提出的改进人工蜂群算法进一步应用于于福特车型识别问题,实验结果表明,基于.改进人工蜂群算法的训练模型获得的分类结果,无论是准确度、灵敏度还是特异度均优于原有的人工蜂群算法。综上,本文构建的自适应编码学习框架,不仅提升了现有人工蜂群算法在求解变量相关问题方面的优化性能,而且对进一步丰富演化计算的理论与方法体系,具有积极作用。
【图文】：

数据集,汽车,样本,相关理论

42(g) 雪铁龙(h) 丰田(i) 大众图 4-2 汽车数据集的样本Fig.4-2 Samples of car dataset.3 相关理论本节主要介绍的是福特车型识别实验中用到的相关理论：提取图片特征的离散小波换，减少特征维度的主成成分分析，，做分类器的多层感知器，以及采用 K-折叠交叉验评估实验的性能。这些相关理论是整个应用实验的基础。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18

【相似文献】