多元宇宙优化算法的改进及应用

发布时间：2021-11-18 12:55

　　S Mirjalili等人受物理学多元宇宙理论的启发,于2015年提出了一种新型群智能优化算法,称为多元宇宙优化算法（Multi-Verse Optimizer,MVO）。该算法具有框架简单、受控参数少、自组织性和自适应性等优点,但也存在后期收敛迟缓、求解精度不高以及易陷入局部最优等缺陷。本文基于MVO算法的不足,提出了一些改进措施,目的是提升MVO算法性能、扩展其应用领域。主要研究工作如下:（1）在基本MVO算法上将其线性增长型的WEP（虫洞存在概率）替换为对数增长型的LWEP,然后引入自适应压缩因子和柯西变异因子。LWEP加大宇宙个体更新的概率,自适应压缩因子能够有效地平衡算法的全局收敛和局部收敛,柯西变异因子使得算法更可能逃离局部极值。改进后算法的有效性在函数优化和工程实例上得到验证。（2）融入复数编码的思想改进MVO算法。每个宇宙都由两个变量表出,即复数的实部和虚部。复数编码的二倍体表达方式能够扩宽算法的搜索空间,丰富种群规模,增强算法的全局搜索能力,有助于算法在优化过程中跳出局部最优。改进后算法应用于IIR系统辨识,实验结果表明能够搜寻到更好的解。（3）基于logistic混... 

【文章来源】：广西民族大学广西壮族自治区

【文章页数】：103 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 引言
    1.2 研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究目的及意义
    1.4 研究内容及创新性
        1.4.1 研究内容
        1.4.2 创新性
    1.5 论文框架及结构
2 多元宇宙优化算法
    2.1 引言
    2.2 物理学原理
    2.3 算法描述
        2.3.1 概念模型
        2.3.2 数学模型
    2.4 算法实施
        2.4.1 执行步骤及伪代码
        2.4.2 流程图
    2.5 本章小结
3 基于自适应压缩因子和柯西变异的多元宇宙优化算法
    3.1 引言
    3.2 改进策略
        3.2.1 基于对数增长型的WEP(LWEP)
        3.2.2 自适应压缩因子
        3.2.3 柯西变异
    3.3 伪代码及流程图
    3.4 性能测试及结果分析
        3.4.1 测试函数
        3.4.2 测试平台
        3.4.3 算法选取及参数设置
        3.4.4 结果分析
    3.5 工程实例
        3.5.1 减速器设计
        3.5.2 悬臂梁设计
    3.6 结论
    3.7 本章小结
4 复数编码多元宇宙优化算法
    4.1 引言
    4.2 复数编码方法及改进策略
        4.2.1 复数编码方法
        4.2.2 改进策略
    4.3 伪代码和流程图
    4.4 性能测试及结果分析
        4.4.1 测试函数
        4.4.2 测试平台
        4.4.3 算法选取及参数设定
        4.4.4 实验结果及讨论
    4.5 IIR系统辨识的应用
        4.5.1 IIR系统辨识
        4.5.2 优化结果
    4.6 结论
    4.7 本章小结
5 混沌多元宇宙优化算法用于PID控制器设计
    5.1 引言
    5.2 PID控制器的设计
        5.2.1 PID控制器
        5.2.2 AVR系统模型
        5.2.3 性能指标
    5.3 混沌多元宇宙优化算法及其应用
        5.3.1 logistic混沌映射
        5.3.2 PID控制器优化设计的应用
    5.4 仿真实验及分析
        5.4.1 实验方案
        5.4.2 实验数据及分析
    5.5 结论
    5.6 本章小结
6 差分变异多元宇宙优化算法用于无人战斗机路径规划
    6.1 引言
    6.2 UCAV路径规划数学模型
        6.2.1 问题描述
        6.2.2 性能指标
        6.2.3 威胁代价
    6.3 差分变异多元宇宙优化算法及其应用
        6.3.1 差分变异算子
        6.3.2 改进策略
        6.3.3 UCAV路径规划的应用
    6.4 仿真实验及讨论
        6.4.1 实验方案
        6.4.2 实验平台
        6.4.3 实验结果及分析
    6.5 结论
    6.6 本章小结
7 总结与展望
    7.1 论文总结
    7.2 工作展望
参考文献
致谢
已完成文章
参加的科研项目
获得的荣誉及奖励


【参考文献】：
期刊论文
[1]多元宇宙算法及其在电力系统环境经济调度的应用[J]. 刘世宇,王孜航,杨德友.  东北电力大学学报. 2018(04)
[2]一种基于自适应动态惯性权重加压缩因子的人工藻算法[J]. 瞿佳,周文,胡伟,徐昌.  安徽师范大学学报(自然科学版). 2017(06)
[3]耦合横纵向个体更新策略的改进MVO算法[J]. 赵世杰,高雷阜,徒君,于冬梅.  控制与决策. 2018(08)
[4]多元宇宙优化算法应用于聚类分析（英文）[J]. 潘魏,吴易轩,周永权.  广西科学. 2017(03)
[5]多元宇宙优化算法改进SVM参数[J]. 聂颖,任楚苏,赵杨峰.  辽宁工程技术大学学报(自然科学版). 2016(12)
[6]多元优化算法在马斯京根模型参数优化中的应用[J]. 李小波.  水资源与水工程学报. 2016(05)
[7]MVO-GRNN模型在年径流丰枯分类中的应用[J]. 崔东文,吴盛华.  人民珠江. 2015(06)
[8]一种基于复数编码的果蝇优化算法[J]. 陆民迪,周永权,黄慷.  计算机工程. 2015(10)
[9]基于复数编码的布谷鸟搜索算法[J]. 石义良.  计算机与数字工程. 2014(07)
[10]基于遗传退火算法的无人机航路规划[J]. 华珊珊.  计算机测量与控制. 2013(03)



本文编号：3502937