人工蜂群算法的改进研究

发布时间：2017-10-01 15:05

  本文关键词：人工蜂群算法的改进研究

  更多相关文章： 人工蜂群算法 Nelder-Mead单纯形法 扰动机制 侦查蜂

【摘要】：仿生智能计算是一类模拟自然界生物、生态等系统中“优胜劣汰”行为的模型和算法，具有自适应、自组织、自学习等特点，能够解决传统计算方法难于解决的各种复杂问题。仿生智能计算在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力，近几年吸引了国内外许多学者对其进行了多方面的研究工作。 人工蜂群算法是由土耳其学者Karaboga提出的一种模拟蜜蜂群体寻找优良蜜源的仿生智能计算方法，该算法提出至今才9年。人工蜂群算法优点明显,如原理简单、控制参数较少、容易实现，还具有很高的收敛速度，且己被证明是一种优秀的全局优化算法,因此受到很多的国内外学者关注。但是，，目前的人工蜂群算法的研究和应用还处于初级阶段，还存在一些不足,如易早熟收敛,进化后期寻优速度慢等。 针对人工蜂群算法的不足,本文在对人工蜂群算法的原理、模型和信息共享机制进行深入探讨的基础上对人工蜂群算法进行改进,提出了两种改进算法,实验结果表明改进算法达到了预期效果。论文的主要贡献如下: 首先，人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题，但也和其他启发式优化算法一样，存在着局部搜索能力差，在接近最优解时搜索效率下降，以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷。为了改善此缺陷，本文采用NM算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制，提出了一种基于NM算法的改进人工蜂群算法(NMABC)。希望基于NM算法优异的局部搜寻能力，改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率。 其次，考虑到NM算法反复搜寻的机制可能导致搜寻时间增加，因此本文另外引入PT扰动机制取代NM算法，提出了一种基于PT扰动机制的改进人工蜂群算法(PTABC)。希望达到降低适应值计算次数，在避免陷入局部最优的情况下，提高算法的进化速度,从而较好地达到了全局寻优和局部寻优的平衡。 最后，对本文提出的人工蜂群算法进行仿真实验。实验结果表明，本文提出的两个改进算法在一定程度上避免了基本人工蜂群算法易陷入局部最优和早熟的缺陷。
【关键词】：人工蜂群算法 Nelder-Mead单纯形法 扰动机制 侦查蜂
【学位授予单位】：广西师范学院
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-9
• 第一章 绪论9-16
• 1.1 课题研究的背景及意义9-10
• 1.2 人工蜂群算法（ABC）国内外研究现状10-11
• 1.3 群体智能算法11-12
• 1.4 常见的群体智能算法12-15
• 1.4.1 遗传算法12-13
• 1.4.2 微粒子群算法13
• 1.4.3 和声搜索算法13-14
• 1.4.4 人工蜂群算法14
• 1.4.5 差分进化算法14-15
• 1.5 本文的主要工作及内容安排15-16
• 第二章 人工蜂群算法的相关理论知识16-28
• 2.1 人工蜂群算法的起源16
• 2.2 人工蜂群算法的基本概念16-19
• 2.3 基本人工蜂群算法的数学模型19-21
• 2.4 基本人工蜂群算法的理论分析21-23
• 2.5 基本人工蜂群算法框架23-27
• 2.5.1 基本人工蜂群算法的基本模式23-24
• 2.5.2 基本人工蜂群算法程序流程24-27
• 2.6 本章小结27-28
• 第三章 基于单纯形法的人工蜂群算法(NMABC)28-38
• 3.1 Nelder-Mead 单纯形法28-31
• 3.1.1 引言28-30
• 3.1.2 Nelder-Mead 单纯形法算法程序流程30-31
• 3.2 基于单纯形法的人工蜂群算法(NMABC)31-37
• 3.2.1 NMABC 的设计思路31-34
• 3.2.2 NMABC 的算法流程34-37
• 3.3 本章小结37-38
• 第四章 基于扰动机制的人工蜂群算法(PTABC)38-59
• 4.0 差分进化算法38-41
• 4.0.1 差分进化算法简介38-39
• 4.0.2 差分进化算法基本原理39
• 4.0.3 差分进化算法算法流程39-41
• 4.1 扰动机制(Perturbation,PT)41-43
• 4.2 基于扰动机制的人工蜂群算法(PTABC)43-46
• 4.2.1 PTABC 的设计思路43
• 4.2.2 PTABC 的算法流程43-46
• 4.3 实验结果与分析46-58
• 4.3.1 实验中的算法参数设置46
• 4.3.2 测试函数的选取46-47
• 4.3.3 无约束测试函数的实验结果与分析47-52
• 4.3.4 约束测试函数的实验结果与分析52-58
• 4.4 本章小结58-59
• 第五章 总结与展望59-61
• 5.1 结论与建议59
• 5.2 未O喲芯糠较
  
  本文编号：954099
  suoshi