分布式头脑风暴优化算法及其应用研究

发布时间：2022-09-29 10:48

　　在科学研究与工程实践中,存在许多非连续、不可微、不可导等复杂优化问题,这些复杂优化问题涉及的决策变量不断增加,问题规模不断增大。比如,在物流服务中,存在一类复杂优化问题——库存路径问题（Inventory routing problem,IRP）。IRP涉及库存与运输之间的“效益背反”关系,属于NP难问题。对于这些问题,传统的优化方法往往无法有效地求解,而群智能优化算法可以有效地求解此类问题。头脑风暴优化算法（Brain Storm Optimization,BSO）是群智能优化算法中的“新星”。它受决策中头脑风暴法的启发而被提出,是一种基于人类智能的优化算法,在群智能优化算法中具有较强竞争能力。虽然BSO算法在处理优化问题时能得到较好的结果,但是它也和绝大多数群智能优化算法一样,存在收敛速度慢、易于陷入局部最优等不足。本文对BSO算法的不足展开研究,并将BSO算法应用于求解复杂优化问题、大规模优化问题和IRP。首先,研究提升BSO算法的性能。本文提出了基于角色扮演策略的头脑风暴优化算法（BSO with Role-playing Strategy,RPBSO）。RPBSO 设计“角色... 

【文章页数】：103 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 头脑风暴优化算法的研究
        1.2.2 头脑风暴优化算法的应用研究
        1.2.3 库存路径问题的研究
    1.3 本文主要研究内容
    1.4 论文的结构安排
2 头脑风暴优化算法
    2.1 头脑风暴法简介
    2.2 头脑风暴优化算法
    2.3 算法的特点
    2.4 本章小结
3 基于角色扮演策略的头脑风暴优化算法
    3.1 角色的概念
    3.2 基于角色扮演的头脑风暴优化算法的设计与实现
        3.2.1 角色扮演策略
        3.2.2 产生新想法的方法
    3.3 仿真实验与结果分析
        3.3.1 实验参数和检验方法
        3.3.2 与其他BSO算法比较
    3.4 本章小结
4 基于Spark计算框架的分布式头脑风暴优化算法
    4.1 Spark RDD
    4.2 分布式头脑风暴优化算法的设计与实现
        4.2.1 随机分组BSO设计与实现
        4.2.2 RGBSO实验结果及分析
        4.2.3 分布式头脑风暴优化算法的设计与实现
    4.3 SparkRGBSO仿真实验与结果分析
        4.3.1 实验结果及分析
        4.3.2 加速比实验
    4.4 本章小结
5 求解库存路径问题的头脑风暴优化算法
    5.1 库存路径问题
        5.1.1 问题描述
        5.1.2 问题建模
    5.2 面向库存路径问题的头脑风暴优化算法
        5.2.1 库存路径优化的方法
        5.2.2 求解库存路径问题的RGBSO算法
        5.2.3 RGBSOIR的实验与结果分析
    5.3 面向库存路径问题的分布式头脑风暴算法
        5.3.1 分布式RGBSOIR的设计与实现
        5.3.2 分布式RGBSOIR的实验与结果分析
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间的研究成果
致谢



本文编号：3682452