布谷鸟搜索算法的应用研究与改进

发布时间：2017-10-05 15:44

  本文关键词：布谷鸟搜索算法的应用研究与改进

  更多相关文章： 布谷鸟搜索算法 Boltzmann选择策略 离散化 并行化

【摘要】：随着人类社会的不断发展和科学探索步伐的不断前进,人们面临着越来越多的最优化问题。由于人类对生产效率的追求日趋极致,常规优化方法在有限的时间和空间内已经很难解决日益复杂的最优化问题。仿生群智能优化算法因其灵活性和高效性已成为解决最优化问题常用的有效方法。布谷鸟搜索算法是一种新兴的启发式仿生群智能优化算法,因其具有理论清晰、参数少、易扩展、全局搜索能力强、易于实现等优点,可以广泛应用于各种优化问题。本文主要针对布谷鸟搜索算法进行应用研究和改进。本文首先介绍布谷鸟搜索算法的生物学原理和数学原理,然后介绍Levy flights机制,并阐述算法的具体步骤和执行流程。在分析基本布谷鸟搜索算法缺陷的基础上,对基本布谷鸟搜索算法进行改进,提出一种基于Boltzmann选择策略的布谷鸟搜索算法,目的在于提高布谷鸟搜索算法在函数优化问题上的表现,使其具有更高的效率、更快的收敛速度和更好的求解精度。针对布谷鸟搜索算法的特点,将布谷鸟搜索算法进行离散化处理,结合禁忌搜索的思想,提出一种离散型布谷鸟搜索算法,并将之应用于经典的组合优化问题—旅行商问题。布谷鸟搜索算法本质上具有并行特性,适合并行计算。本文探讨了布谷鸟搜索算法的并行方式,提出布谷鸟搜索算法在Hadoop平台上基于MapReduce并行编程模型实现并行化的方案,并将布谷鸟搜索算法抽象为和MapReduce的几个接口对应的组件,从而为一类布谷鸟搜索算法基于MapReduce模型实现并行化提供一种可扩展的方案。最后通过仿真实验验证了布谷鸟搜索算法并行化方法的正确性和有效性。最后总结本文的研究内容,并对下一步的工作做出展望。
【关键词】：布谷鸟搜索算法 Boltzmann选择策略 离散化 并行化
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-15
• 1.1 课题背景11-12
• 1.2 课题研究的目的和意义12
• 1.3 布谷鸟搜索算法的国内外研究现状12-13
• 1.4 本文的主要研究内容及安排13-15
• 第2章 布谷鸟搜索算法15-23
• 2.1 布谷鸟搜索算法原理15-19
• 2.1.1 布谷鸟的繁殖行为15
• 2.1.2 Levy flights15-18
• 2.1.3 布谷鸟搜索算法的数学原理18-19
• 2.2 布谷鸟搜索算法的伪代码实现19-20
• 2.3 布谷鸟搜索算法的流程图20-21
• 2.4 本章小结21-23
• 第3章 基于Boltzmann选择策略的布谷鸟搜索算法23-38
• 3.1 Boltzmann选择策略23-25
• 3.2 初始解的生成25
• 3.3 基于Boltzmann选择策略的布谷鸟搜索算法伪代码实现25-26
• 3.4 基于Boltzmann选择策略的布谷鸟搜索算法流程图26-27
• 3.5 实验仿真与结果分析27-37
• 3.5.1 测试函数27-32
• 3.5.2 测试平台及参数设置32
• 3.5.3 实验与结果分析32-37
• 3.6 本章小结37-38
• 第4章 离散型布谷鸟搜索算法38-47
• 4.1 旅行商问题38-39
• 4.2 离散型布谷鸟搜索算法39-42
• 4.2.1 布谷鸟蛋39-40
• 4.2.2 目标函数40
• 4.2.3 可行解空间40
• 4.2.4 Levy flights40-42
• 4.3 禁忌搜索42
• 4.4 离散型布谷鸟搜索算法的伪代码实现42-43
• 4.5 离散型布谷鸟搜索算法流程图43-45
• 4.6 实验仿真与结果分析45-46
• 4.6.1 测试平台及参数设置45
• 4.6.2 实验与结果分析45-46
• 4.7 本章小结46-47
• 第5章 布谷鸟搜索算法在Hadoop平台上的并行化方法47-52
• 5.1 Hadoop简介47-48
• 5.2 布谷鸟搜索算法在Hadoop平台上的实现方法48-49
• 5.3 基于MapReduce的布谷鸟搜索算法的伪代码实现49
• 5.4 实验仿真与结果分析49-50
• 5.4.1 测试函数49-50
• 5.4.2 测试平台及参数设置50
• 5.4.3 实验与结果分析50
• 5.5 本章小结50-52
• 总结与展望52-54
• 致谢54-55
• 参考文献55-59
• 攻读硕士学位期间发表的论文及科研成果59

【相似文献】

中国期刊全文数据库 前10条

1 YanJill;;搜索算法纵横[J];中文信息;2002年08期

2 孙吉贵,何雨果;量子搜索算法[J];软件学报;2003年03期

3 孙力;须文波;;量子搜索算法体系及其应用[J];计算机工程与应用;2006年14期

4 耿汝年;须文波;魏士靖;刘国玲;;无信息图搜索算法的改进研究[J];山东轻工业学院学报(自然科学版);2006年02期

5 徐丰民;陈启兴;;电视节目自动跳跃搜索算法[J];现代电子技术;2007年04期

6 詹志辉;胡晓敏;张军;;通过八数码问题比较搜索算法的性能[J];计算机工程与设计;2007年11期

7 文家焱;王国利;;绝热量子搜索算法中的纠缠与能量分析[J];计算机研究与发展;2008年S1期

8 周日贵;;多模式部分量子搜索算法[J];西南交通大学学报;2008年04期

9 钟普查;鲍皖苏;隗云;;改进的多目标元素量子搜索算法[J];计算机工程与应用;2009年18期

10 王常春;李贵艳;向淑文;;搜索算法在囚徒困境中的应用[J];遵义师范学院学报;2009年04期

中国重要会议论文全文数据库 前10条

1 张玲;姜立志;;能量抵消测量相位中的相位搜索算法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

2 李金;蒋国平;;一种改进的复杂网络搜索算法[A];2007中国控制与决策学术年会论文集[C];2007年

3 罗家祥;唐立新;李小林;刘建荣;邬成新;;分散搜索算法在板坯匹配优化问题中的应用研究[A];全国冶金自动化信息网2009年会论文集[C];2009年

4 李潇磊;伍瑞卿;朱维乐;;运动搜索算法的比较与改进[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

5 程振波;邓志东;;优化策略模型下的匹配律算法[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

6 彭明侨;罗先觉;邹晓松;;基于改进概率搜索算法的模拟电路故障诊断[A];第四届中国测试学术会议论文集[C];2006年

7 常新杰;李言俊;;搜索算法的研究进展[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

8 糜玉林;左斌;;基于协同控制的极值搜索算法与控制器一体化设计[A];2007年中国智能自动化会议论文集[C];2007年

9 钟普查;鲍皖苏;;基于相位变换的量子搜索算法研究[A];第十三届全国量子光学学术报告会论文摘要集[C];2008年

10 罗春华;张继勇;郑方;徐明星;;一种基于HTK的词图搜索算法[A];第六届全国人机语音通讯学术会议论文集[C];2001年

中国博士学位论文全文数据库 前9条

1 朱皖宁;离散量子行走研究[D];东南大学;2015年

2 孙杰;基于绝热演化的量子搜索算法研究[D];华中科技大学;2013年

3 张映玉;绝热量子搜索算法研究[D];华中科技大学;2011年

4 阎兴，

本文编号：977644