狼群算法的改进及其在复杂函数优化问题中的应用

发布时间：2024-03-03 22:47

　　人们根据自然界中的一些进化现象和生物的群体性特征来构造一些群智能优化算法,并用于求解复杂的函数优化问题。狼群算法是2011年首次被提出的一种新型的群智能优化算法,它是基于狼群的捕食行为而设计的。现已被应用在三维传感器优化、背包问题、无人机规划、水电站水库优化调度等众多领域,并取得了较好的效果,使其成为目前应用前景较为广阔的群智能优化算法之一。但是,利用该算法求解一些实际问题时,存在一些不足,如求解精度、收敛速度和扩展算法的应用领域等方面。本文在基本狼群算法的基础之上,提出了两种改进算法,并应用到具体实例中。主要研究内容如下:1.在基本狼群算法的基础上,给出了一种基于自适应步长的狼群算法(Adaptive Step Wolf Colony Algorithm,ASWCA),并利用其求解了物流配送中心选址问题。由于在基本狼群算法中,召唤行为中的奔袭步长、围攻行为中的围攻步长都采用固定值,从而影响算法的优化性能。因此,奔袭步长采用了非线性的动态惯性权重系数公式,使得奔袭步长的取值依靠适应度值的变化而自动调整,从而增加了在搜索过程中的智能性;围攻步长进一步采用了自适应的更新公式,使围攻步长随着...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景和意义
    1.2 课题的研究现状
    1.3 论文结构
第2章 准备知识
    2.1 群智能优化算法
        2.1.1 遗传算法
        2.1.2 粒子群算法
        2.1.3 蚁群算法
    2.2 狼群算法
        2.2.1 狼群算法的生物学背景
        2.2.2 狼群算法的描述
        2.2.3 狼群算法的具体步骤以及流程图
    2.3 小结
第3章 基于自适应步长的狼群算法求解物流配送中心选址问题
    3.1 引言
    3.2 物流配送中心选址优化模型
    3.3 基于自适应步长的狼群算法
        3.3.1 改进的狼群算法
        3.3.2 求解物流配送中心选址问题
    3.4 数值仿真
        3.4.1 典型测试函数
        3.4.2 物流配送中心选址问题仿真
    3.5 小结
第4章 基于新的狼群算法求解旅行商问题
    4.1 引言
    4.2 旅行商问题的简介
    4.3 一种新的狼群算法
    4.4 求解旅行商问题
    4.5 数值仿真
        4.5.1 典型测试函数
        4.5.2 旅行商问题仿真
    4.6 小结
第5章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录
    硕士期间发表的论文
    本人在硕士期间参与的科研项目



本文编号：3918469