基于模糊控制器的混合引力搜索算法及其应用

发布时间：2023-02-16 08:34

　　人们在实际生活中遇到的全局优化问题越来越多,经典传统算法已经不能满足人们解决问题的需要。因此相继提出许多启发式优化算法。这些算法基本都是模拟自然界的一些动物群体行为或者物理学原理提出的,并且被广泛应用到各个领域。引力搜索算法(Gravitational Search Algorithm,GSA)就是其中一个,虽然GSA具有操作简单、求解效率高等优点,但是它和其他全局优化算法一样,存在容易陷入局部解、解的精度不高等缺点,所以引力搜索算法仍有很广阔的研究空间。本论文对引力搜索算法进行研究,主要工作如下:1、提出一个新的混合引力搜索算法(Hybrid Gravitational Search Algorithm,HGSA)。在这个新算法中,应用模糊逻辑理论,将GSA与局部搜索技术(Local Search Technique,LST)相结合。这一策略充分利用GSA的搜索能力和LST的开发能力。在HGSA中每个粒子以概率p使用GSA算法产生新个体,以概率1-p使用二次插值局部搜索技术产生新个体。用模糊逻辑控制器控制概率p值大小。最后用23个标准测试函数验证新算法的性能,并与其它GSA算法进行比...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 选题意义
    1.2 GSA的国内外研究概况
    1.3 投资组合选择模型研究概况
    1.4 本论文的研究内容及结构
        1.4.1 本论文的研究内容
        1.4.2 本论文的主要结构
2 预备知识
    2.1 标准引力搜索算法
        2.1.1 标准引力搜索算法的理论基础
        2.1.2 标准引力搜索算法
    2.2 模糊逻辑控制器
        2.2.1 模糊控制简介
        2.2.2 模糊控制理论
    2.3 混合引力搜索算法
        2.3.1 粒子群引力搜索算法
        2.3.2 基于模糊逻辑控制器设置的改进粒子群引力搜索算法
        2.3.3 引力粒子群算法
        2.3.4 改进的引力搜索算法
    2.4 不确定理论
        2.4.1 不确定测量和不确定分布
        2.4.2 不确定变量的交叉熵测度
3 基于模糊控制器设置的混合引力搜索算法
    3.1 局部搜索技术
    3.2 模糊逻辑控制器
    3.3 混合引力搜索算法
    3.4 数值实验
        3.4.1 测试函数
        3.4.2 与标准引力搜索算法比较分析
        3.4.3 与其他改进的引力搜索算法比较分析
    3.5 本章小结
4 基于不确定交叉熵的投资组合选择模型
    4.1 模型
    4.2 数值实验
    4.3 本章小结
总结与展望
参考文献
发表论文情况
致谢



本文编号：3743894