学位论文 > 优秀研究生学位论文题录展示
和声搜索算法的改进研究
作 者: 陈莹珍
导 师: 高岳林
学 校: 北方民族大学
专 业: 计算数学
关键词: 和声搜索算法 混沌搜索 拥挤度 双种群 单目标优化 多目标优化
分类号: TP18
类 型: 硕士论文
年 份: 2012年
下 载: 78次
引 用: 0次
阅 读: 论文下载
内容摘要
和声搜索算法是源于音乐创作的启发式优化算法.目前,已经在很多方面得到了广泛的应用.但是由于该算法不是万能的,所以在针对不同问题时,也需要做出一些改进.本文对和声搜索算法进行了一系列的研究.首先介绍了和声搜索算法的起源、原理、发展等基本情况,然后用和声搜索算法解决单目标优化问题,多目标优化问题,最后用和声搜索算法解决带约束的多目标优化问题.本文的主要研究内容可归纳如下:(1)详细的介绍和声搜索算法的起源、原理、发展及其应用.为后续的研究打下基础.(2)针对现有改进的和声搜索算法(IHS)的不足,提出一种混沌自适应和声搜索算法(CAHS).在该算法中,没有采用通常的随机初始化种群,而是根据混沌策略产生初始种群,然后根据算法自身的性质,提出新的自适应的和声保留概率、音调调节概率和音调调节步长公式,根据这些公式产生新解,为了充分利用和声记忆库的信息,在每次迭代中都产生多个新解.如果发现算法停滞,则对部分解采用混沌变异,然后再进行搜索.实验结果表明,CAHS算法比之前提出的IHS和AHSPSO算法有更强的寻优能力和跳出局部最优解的能力.(3)为了求解无约束的多目标优化问题,提出了一种基于Pareto支配的多目标优化问题的自适应和声搜索算法(MOSAHS).该算法利用外部种群来保存非支配解,为了加快算法的速度和保持非支配解的多样性,必须对外部种群中的解进行删除,于是提出了一种基于拥挤度的删除策略,根据这个策略来度量个体的分布情况,删除较差的个体.根据对5个标准测试函数的测试.实验结果表明,与其它的多目标优化算法相比,本文提出的算法在逼近性和均匀性两方面都有很好的表现,是一种有效的多目标和声搜索算法.(4)提出了一种求解约束多目标问题的和声搜索算法.受粒子群算法的启发,本文在和声搜索算法中找到一个引导个体,以加快算法的收敛速度,并且采用了双种群进化的搜索方法,来增大找到最优解的机会,还提出了一种新的度量方法来度量种群拥挤度.数值试验分为两组,第一组通过四个测试函数进行测试与NSGA-II比较,结果表明,本文提出的算法优于NSGA-II,第二组通过六个测试函数进行测试与没有引导个体的和声搜索算法比较,结果表明,本文算法采用的引导策略改善了算法的收敛性、分散度和多样性.总之,本论文对和声搜索算法及其应用进行了较为全面深入的分析研究,并对所做工作进行了总结,并提出了进一步研究的方向.
|
全文目录
中文摘要 4-5 ABSTRACT 5-8 第一章 绪论 8-12 1.1 课题的研究背景和意义 8-9 1.2 国内外研究现状 9-10 1.3 本文的研究目的和研究内容 10-12 1.3.1 本文的研究目的 10-11 1.3.2 本文的主要研究内容 11 1.3.3 本文的主要篇章结构 11-12 第二章 和声搜索算法的概述 12-17 2.1 引言 12 2.2 和声搜索算法的描述 12-13 2.2.1 算法原理 12-13 2.2.2 算法流程 13 2.3 和声搜索算法的改进策略 13-15 2.3.1 参数的改进 13-14 2.3.2 结合其它的进化策略 14-15 2.4 和声搜索算法的应用 15-16 2.5 本章小结 16-17 第三章 混沌自适应和声搜索算法 17-22 3.1 引言 17 3.2 混沌机制 17 3.3 自适应过程 17-19 3.3.1 和声保留概率 17-18 3.3.2 音调调节概率 18 3.3.3 音调调节步长 18 3.3.4 调节方向 18-19 3.4 算法流程 19 3.5 实验及结果分析 19-20 3.6 本章小结 20-22 第四章 无约束多目标优化问题的和声搜索算法 22-30 4.1 引言 22 4.2 多目标优化问题的相关概念 22 4.3 多目标和声搜索算法 22-24 4.3.1 外部种群的删除策略 23-24 4.3.2 记忆库的更新策略 24 4.3.3 算法步骤 24 4.4 数值试验 24-28 4.4.1 算法性能的评价指标 24-26 4.4.2 数值结果及其分析 26-28 4.5 本章小结 28-30 第五章 带约束的多目标优化问题的和声搜索算法 30-38 5.1 引言 30 5.2 约束多目标优化问题 30-31 5.3 约束多目标优化问题的和声搜索算法 31-33 5.3.1 和声保留概率和音调调节概率的改进 31 5.3.2 新解的产生 31-32 5.3.3 个体拥挤度的计算 32 5.3.4 x_(best)的选取 32 5.3.5 进化种群的选取 32-33 5.3.6 算法步骤 33 5.4 数值试验 33-37 5.4.1 与其它进化算法比较实验结果 33-35 5.4.2 验证xb est作用的数值试验 35-37 5.5 本章小结 37-38 第六章 结论与展望 38-39 6.1 本文主要工作及结论 38 6.2 对后续工作的展望 38-39 参考文献 39-43 附录 本文用到的测试函数 43-46 致谢 46-47 攻读硕士期间撰写的论文、参与的项目及作者简介 47
|
相似论文
- 基于蚁群算法的电梯群优化控制研究,TU857
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于模糊偏好的多目标粒子群算法及在库存控制中的应用,F253.4
- 改进和声搜索算法在车辆路径问题中的应用研究,TP301.6
- 多目标柔性作业车间调度优化问题研究,O224
- 考虑随机运输时间的第四方物流路径优化问题的研究,N945.15;F252
- HSAEA算法的研究及其在过程建模中的应用,TP301.6
- 文化智能优化算法及其在约束优化问题中的应用研究,O224
- 一种改进的和声搜索算法及其应用,TP301.6
- 量子克隆多目标进化算法研究,O413
- 基于规则模型的多目标分布估计算法研究,O221.6
- 基于多种群遗传算法的模糊控制系统优化设计,O231
- 含分布式发电的配电网规划研究,TM715
- 梯级水电站联合发电优化调度方法研究与应用,TV737
- 多模式资源约束项目工期—成本优化问题研究,F284
- 多目标人工免疫算法及其在无功优化中的应用,TM714
- 多模式资源约束项目工期—成本优化问题研究,TP301.6
- 基于混洗蛙跳算法的研究,TP301.6
- 网格机制多目标进化算法研究,TP301.6
- 基于混合多目标粒子群算法的工作流服务聚合问题研究,TP311.52
- 网络流量分析与预测模型研究,TP393.06
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|