一种新型的群智能优化技术的研究与应用 ——麻雀搜索算法

发布时间：2021-01-27 06:26

　　优化问题是科学研究和工程实践领域中的热门问题。经过近几十年的发展,群体智能优化算法以其简单、灵活、高效等特点,已成为解决全局优化问题的主要技术。经典的群智能优化算法有粒子群算法（PSO）和蚁群算法（ACO）。一方面,这些算法主要是在搜索过程中引入了随机性,能够有效的避免陷入局部解。另一方面,大多数需要优化的实际工程问题都伴随着大量的局部解。因此,采用群智能优化算法来获得全局优化问题中的最优解具有重要的现实意义。本文基于麻雀种群中的觅食行为和反捕食行为提出一种新型的群智能优化技术:麻雀搜索算法（Sparrow Search Algorithm,SSA）,并将该算法成功应用在三维无人机航迹优化问题上。本文主要研究工作如下:（1）为了解决传统优化算法易陷入局部最优等问题,提出麻雀搜索算法。具体地,我们根据麻雀的觅食行为和反捕食行为制定出相应的规则,然后,根据这些规则构建出相对应的数学模型,提出在搜索空间中具有全局探索与局部开发能力的算法。（2）本文设计了三组仿真实验用以验证麻雀搜索算法的性能。在第一组仿真实验中,对七种单峰测试函数进行优化,验证算法的收敛速度和局部开发能力;第二组实验是对五种... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

四种算法在单峰测试函数上的收敛曲线

一种新型的群智能优化技术的研究与应用：麻雀搜索算法图4-3四种算法在固定维度测试函数上的收敛曲线4.2.4结果分析在对三组测试实验结果分析之前，我们又选取了五种测试函数，分别为：Michalewicz函数，Drop-Wave函数，Rastrigin函数，Ackley函数和Damavandi函数。这些测试函数的维数都为2，对其进行寻优进而可得到麻雀种群的运动轨迹。标注红框的是全局最优值处，我们可以清楚地看到，在图4-4中，大多数麻雀都能28

一种新型的群智能优化技术的研究与应用：麻雀搜索算法够聚集到全局最优值或其附近。但对于图4-5中Damavandi函数的优化是非常困难的也是极具挑战性的，可看出麻雀搜索算法对该函数进行优化时在局部最小值处进行了聚集也就是大部分麻雀陷入了局部最优，但仍有部分麻雀能够跳出局部最小值，向全局最优点(2,2)处移动。图4-4麻雀搜索算法在(a)Michalewicz函数、(b)Drop-Wave函数、(c)Rastrigin函数上的运动轨迹图4-5麻雀搜索算法在(a)Ackley函数、(b)Damavandi函数上的运动轨迹(i)单峰测试函数1)收敛精度分析：如表4-4所示，SSA对测试函数F1–F4都寻找到了最优值。虽然SSA在测试函数F5上没有寻找到最优解，但是也明显优于PSO、GWO、29

【参考文献】：
硕士论文
[1]无人机航路规划技术研究[D]. 杨力.南京航空航天大学 2009



本文编号：3002600