求解函数优化问题的人工鱼群算法设计研究

发布时间：2017-06-19 07:03

  本文关键词：求解函数优化问题的人工鱼群算法设计研究，由笔耕文化传播整理发布。

【摘要】：自然选择推动动物的进化,进而形成了动物赖以生存的觅食和生活方式,科学家们正是通过研究自然界的动物群体生活方式来获得解决生活中疑难问题的启发和灵感.研究者们发现,鱼类本身不具备复杂的综合判断和推理能力,但是它们通过群体简单的行为相互影响,最终实现了生存和进化.人工鱼群算法(AFSA)由李晓磊博士于2002年在他发表的博士论文中首次提出的,该算法是受到鱼群运动行为的启发,将生物的群体智能用来解决优化问题.随着越来越多的研究者们对该算法的了解和研究,人工鱼群算法已经成为交叉学科中热门的前沿性研究课题.传统的鱼群算法拥有许多优点,比如算法稳定性好、有着良好的全局搜索能力,而且它也是一种随机优化算法,对初值的选取不敏感,算法通用性好,可操作性比较强.但是随着人们对人工鱼群算法的进一步研究和鱼群算法的广泛应用,人们发现人工鱼群算法后期存在收敛速度慢、求解精度不高且易陷入局部最优的缺点,基本的人工鱼群算法已经不能满足人们生产生活的需求.针对传统鱼群算法的这些不足,本文做了如下两个方面的研究工作：1.为了加快算法的收敛速度和提高求解精度,本文在研究了人工鱼群算法(AFSA)的原理和粒子群(PSO)的算法思想后,尝试模仿PSO中粒子的信息传递方式和更新方式,基于人工鱼的个体学习能力和社会学习能力分别改进它们三种行为的更新公式,提出了一种新颖的人工鱼群算法(AO-AFSA).并采用五个典型的测试函数进行仿真实验,分析了算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.2.针对基本的人工鱼群算法后期收敛速度慢、容易陷入局部最优和求解精度低的缺点,本文在基本的人工鱼群算法(AFSA)中引入万有引力算子,更好地利用了各条人工鱼之间的信息共享,有效地结合了万有引力算子的局部搜索能力和人工鱼群算法的全局搜索能力,提出一种基于万有引力的人工鱼群算法(GA-AFSA).采用六个基准函数测试表明：无论是在收敛速度、稳定性还是在寻优性能方面,该算法相对于基本人工鱼群算法(AFSA)和一种新颖的人工鱼群算法(AO-AFSA)都有明显的提高.
【关键词】：智能优化 人工鱼群算法 粒子群 万有引力
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-16
• 1.1 研究背景和意义11-13
• 1.2 国内外研究现状13-15
• 1.3 本文的研究内容15-16
• 第二章 基本人工鱼群算法16-21
• 2.1 人工鱼群算法的基本原理16-17
• 2.2 人工鱼几种典型行为17-19
• 2.3 人工鱼群算法的流程图及主要步骤19-20
• 2.4 常见的人工鱼群算法改进方法20-21
• 第三章 一种新颖的人工鱼群算法21-30
• 3.1 背景21
• 3.2 改进的人工鱼群算法21-24
• 3.2.1 AO-AFSA的变量说明21-22
• 3.2.2 AO-AFSA的四种行为描述22-23
• 3.2.3 AO-AFSA的主要算法步骤23-24
• 3.3 数值实验结果及分析24-29
• 3.3.1 测试函数与条件24-28
• 3.3.2 实验结果分析28-29
• 3.4 本章小结29-30
• 第四章 基于万有引力的人工鱼群算法30-41
• 4.1 背景30
• 4.2 基于万有引力的人工鱼群算法30-33
• 4.2.1 GA-AFSA的变量说明30-31
• 4.2.2 GA-AFSA的引力算子31-32
• 4.2.3 GA-AFSA的主要算法步骤32-33
• 4.3 数值实验结果及分析33-40
• 4.3.1 测试函数与条件33-39
• 4.3.2 实验结果分析39-40
• 4.4 本章小结40-41
• 结论41-43
• 参考文献43-47
• 攻读硕士学位期间发表论文47-49
• 致谢49

【相似文献】

中国期刊全文数据库 前10条

1 曲良东;何登旭;;改进的人工鱼群算法及其在近似求导中的应用[J];微电子学与计算机;2009年05期

2 王联国;洪毅;赵付青;余冬梅;;一种简化的人工鱼群算法[J];小型微型计算机系统;2009年08期

3 王宗利;刘希玉;王文平;;一种改进的人工鱼群算法[J];信息技术与信息化;2010年03期

4 韦修喜;曾海文;周永权;;云人工鱼群算法[J];计算机工程与应用;2010年22期

5 曾蒙迪;;人工鱼群算法的简介及应用[J];信息与电脑(理论版);2011年04期

6 李媛;;基于人工鱼群算法的多元线性回归分析问题处理[J];渤海大学学报(自然科学版);2011年02期

7 陈晓峰;宋杰;;量子人工鱼群算法[J];东北大学学报(自然科学版);2012年12期

8 王波;;基于细胞膜优化的人工鱼群算法研究[J];科技通报;2013年03期

9 王培崇;;人工鱼群算法研究综述[J];中国民航飞行学院学报;2013年04期

10 李晓磊,薛云灿,路飞,田国会;基于人工鱼群算法的参数估计方法[J];山东大学学报(工学版);2004年03期

中国重要会议论文全文数据库 前3条

1 李晓磊;钱积新;;人工鱼群算法:自下而上的寻优模式[A];过程系统工程2001年会论文集[C];2001年

2 徐公林;张铁龙;;人工鱼群算法在电力系统负荷模型参数辨识中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

3 刘耀年;姚玉萍;李迎红;刘俊峰;;基于人工鱼群算法RBF神经网络[A];第十届全国电工数学学术年会论文集[C];2005年

中国博士学位论文全文数据库 前3条

1 王联国;人工鱼群算法及其应用研究[D];兰州理工大学;2009年

2 李晓磊;一种新型的智能优化方法-人工鱼群算法[D];浙江大学;2003年

3 张梅凤;人工鱼群智能优化算法的改进及应用研究[D];大连理工大学;2008年

中国硕士学位论文全文数据库 前10条

1 陈斐;改进的人工鱼群算法分析与研究[D];西安电子科技大学;2012年

2 王蕾;一种人工萤火虫群优化算法改进的研究[D];青岛理工大学;2015年

3 马尧;基于改进的人工鱼群算法在商旅问题中的应用研究[D];西南交通大学;2015年

4 薛亚娣;改进的人工鱼群算法及其应用研究[D];兰州大学;2015年

5 彭鹏;配电网无功优化和跟踪调节技术研究[D];沈阳理工大学;2015年

6 崔淑慧;三维管路自动敷设算法及干涉校验方法研究[D];哈尔滨工业大学;2015年

7 黄锋;混沌人工鱼群算法及其在水库(群)优化调度中的应用[D];华北电力大学;2015年

8 刘翔;基于改进人工鱼群算法的化工过程优化[D];北京化工大学;2015年

9 喻俊松;基于改进人工鱼群算法无人机航迹规划研究[D];南昌航空大学;2015年

10 陈新;基于人工鱼群算法的柔性作业车间调度研究[D];大连理工大学;2015年

  本文关键词：求解函数优化问题的人工鱼群算法设计研究，，由笔耕文化传播整理发布。

本文编号：461751