基于增强个体飞行方向的蜻蜓算法及应用研究

发布时间：2020-12-26 06:37

　　群智能优化算法是人工智能领域不可或缺的一部分,它起源于对人工生命的研究。由于越来越多的高复杂性问题需要的解决方案在合理的时间内是可以实现的,但可能不是最优的,因此群智能优化算法不断受到重视。群智能算法是通过模拟自然生态系统机制来求解复杂的优化问题。由于群智能优化算法原理简单,调整参数少,编程容易实现等优点,因此被广泛应用于组合优化、参数估计、函数优化、路径规划、神经网络训练、图形图像处理等领域。蜻蜓算法是一种非常有效的群智能优化算法,其灵感来自于蜻蜓的飞行行为,它已被广泛应用于解决单目标和多目标的问题、优化支持向量机参数以及特征选择问题等。然而,大多数群智能优化算法都存在收敛速度慢、算法精度低、容易陷入局部最优解、算法迭代后期种群多样性下降、全局搜索能力差等问题,蜻蜓算法也不例外。为解决原始蜻蜓算法全局搜索能力弱,容易陷入局部最优解和算法精度低等缺陷,本文进行相关研究,其主要研究内容如下:(1)本文提出了一种基于增强个体飞行方向的蜻蜓算法,一方面是更改了惯性权重计算公式,另一方面是在蜻蜓个体位置更新时加入选择策略。(2)将基于增强个体飞行方向的蜻蜓算法离散化,为特征选择做准备。(3)将... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

DA 算法惯性权重

第3章基于增强个体飞行方向的蜻蜓算法14迭代过程中并不是线性递减的，所以惯性权重w线性递减的方式并不能准确地体现出实际的优化搜索过程。因此，我们将惯性权重的计算公式改为非线性的。搜索策略分析：在算法搜索过程中，蜻蜓移动方向的正确有利于提高算法的局部寻优能力，基本蜻蜓算法中，蜻蜓移动的位置是随机的，在局部搜索中不仅不能确保蜻蜓个体的每一次移动都是向着最优解靠近，而且搜索过程很可能会消耗很长时间。因此，我们提出了一个让蜻蜓个体进行移动方向的选择操作，不断地引导蜻蜓个体向食物源位置靠近，从而提高了算法的寻优精度。3.1.2惯性权重惯性权重是指个体保持前一时刻运动状态的能力，在每次迭代过程中，算法可根据个体的适应度变化动态改变惯性权重，从而使算法具有动态自适应性全局搜索和局部搜索的能力。在蜻蜓算法中更新步长时，惯性权重的计算公式是线性递减的，使得算法的探索和开发能力没有得到显著的提高。因此，为了提高算法的早期探索能力，我们提出了一个新的公式来计算惯性权重，公式如下：max10.90.90.211ttwee...............(3.2)其中，tmax代表算法的最大迭代次数；t代表当前的迭代次数。上述公式的图形化表示如图3.2所示。图3.2EFDA算法惯性权重

EFDA算法流程图


本文编号：2939224