群智能优化算法的改进研究

发布时间：2024-04-09 03:07

　　优化问题在我们生活中随处可见,其核心思想是在特定的条件下,通过设计合适的方案,在可行解范围内探索最优解。随着新技术的发展,问题的约束条件逐渐复杂,传统的求解方法心有余而力不足,群智能优化算法的诞生弥补了以上不足,该类算法可以更好的解决复杂、非线性、大规模的问题,具有灵活性好、鲁棒性强、求解效率高等优势,因此自从其被提出以来便受到国内外学者的研究和探索,并被广泛应用于各个领域。随着研究的不断深入,群智能优化算法的种类得到了不断的扩充以解决新的复杂问题,果蝇优化算法、花授粉算法、鲸鱼优化算法便是近10年被提出的新型的群智能优化算法,三种算法结构简单,易于理解且便于实现,但由于提出时间较晚,缺乏数学理论基础,算法具有收敛速度慢、易于陷入局部极值点、求解精度低等缺陷。为了解决上述缺陷,国内外学者分别从搜索半径、寻优公式、参数选择等多个方面对算法进行完善,提高了算法的寻优性能并扩充了应用领域,但是随着优化问题的日益复杂,算法的寻优能力需要不断地提升。因此,为了进一步提高算法的寻优性能,本文在结合前人研究的基础上,提出了三种新型改进算法,改进措施如下:(1)动态调整搜索策略的果蝇优化算法:首先,通...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文研究背景及意义
    1.2 三种群智能优化算法概述
        1.2.1 基本果蝇优化算法
        1.2.2 基本花授粉算法
        1.2.3 基本鲸鱼优化算法
    1.3 论文研究内容及创新
        1.3.1 研究内容
        1.3.2 研究创新
    1.4 论文结构及章节安排
第二章 动态调整搜索策略的果蝇优化算法
    2.1 FOAASS算法改进策略
        2.1.1 通过混沌映射改善初始位置分布
        2.1.2 通过预测种群进化方向提高收敛速度
        2.1.3 通过动态调整搜索半径增强搜索能力
        2.1.4 通过动态调整搜索策略跳出局部最优
    2.2 FOAASS算法实现步骤
    2.3 仿真实验及结果分析
        2.3.1 仿真实验设计
        2.3.2 固定迭代次数下的性能测试及分析
        2.3.3 固定收敛精度下的性能测试及分析
    2.4 本章小结
第三章 基于动态调整和协同搜索的花授粉算法
    3.1 FPADC算法改进策略
        3.1.1 通过霍尔顿序列提高初始解质量
        3.1.2 通过细化群体分工提高收敛精度
        3.1.3 通过动态调整转换概率平衡搜索能力
        3.1.4 通过动态调整寻优公式改善搜索性能
    3.2 FPADC算法实现步骤
    3.3 仿真实验及结果分析
        3.3.1 仿真实验设计
        3.3.2 固定迭代次数下的性能测试及分析
        3.3.3 固定收敛精度下的性能测试及分析
    3.4 本章小结
第四章 动态搜索和协同进化的鲸鱼优化算法
    4.1 DCWOA算法改进策略
        4.1.1 通过Faure序列优化初始位置分布
        4.1.2 通过种群个体协同进化提高寻优精度
        4.1.3 通过动态调整收敛因子平衡搜索能力
        4.1.4 通过动态调整搜索方程改善搜索性能
    4.2 DCWOA算法实现步骤
    4.3 仿真实验及结果分析
        4.3.1 仿真实验设计
        4.3.2 固定迭代次数下的性能测试及分析
        4.3.3 固定收敛精度下的性能测试及分析
    4.4 本章小结
第五章 结论与展望
    5.1 主要研究成果及结论
    5.2 展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3949220