学位论文 > 优秀研究生学位论文题录展示
生物地理学优化算法的改进研究及其应用
作 者: 高凯歌
导 师: 郑向伟
学 校: 山东师范大学
专 业: 计算机软件与理论
关键词: 生物地理学优化算法 单目标优化 多目标优化 群体路径规划子系统
分类号: TP18
类 型: 硕士论文
年 份: 2014年
下 载: 4次
引 用: 0次
阅 读: 论文下载
内容摘要
生物地理学优化算法(Biogeography-Based Optimizer, BBO)是在研究生物种群生存、繁衍、衰落和灭绝规律的基础上,通过模拟种群活动构造出的一种新型智能优化算法。BBO算法由于其独特的搜索机制和良好的优化性能受到众多研究者的关注,已成为智能优化算法领域一个新的研究热点。虽然BBO算法发展历史尚短,但已有研究成果表明了其解决优化问题的能力,借鉴其它算法的特点可以进一步提高它的优势,所以BBO算法有很大的发展空间。本文在分析BBO算法基本原理的基础上,对BBO算法进行改进和应用,主要研究工作包括:(1)以BBO算法为基础,提出了一种基于中值迁移和柯西变异的改进BBO算法(Biogeography-Based Optimizer Based on Mean Value Migration and Cauchy Mutation,MCBBO),用于求解单目标优化问题。在MCBBO算法中设计了中值迁移算子和柯西变异算子。根据中值迁移算子,迁移个体由原来的随机个体替换迁移方式,改进为随机个体和当前全局最优个体共同引导的折衷迁移方式,可以实现更准确有效的迁移;利用柯西变异算子,变异个体有更广阔的变异范围,使得陷入局部极值的个体有较大机会跳出局部极值再次进入良性寻优过程,也使得较差个体有更大机会变异到更好状态。(2)以MCBBO算法为基础,引入精英种群参与进化种群的进化,提出了一种基于中值迁移算子和ε-支配的改进算法(Multi-objective Biogeography-Based Optimization withMean Value Migration Operator, MVBBO),用于求解多目标优化问题。在MVBBO算法中,引入精英种群,并采用一种基于ε-支配关系的修剪策略维护精英种群,既可以防止Pareto前沿退化,又能保证Pareto前沿分布的均匀性。(3)群体路径规划是群体动画设计的关键问题之一,快速生成多样化的、真实的群体运动路径对群体动画设计有重要意义。本文采用MCBBO算法生成群体路径,并在构建场景时考虑具体问题,如环境边界限制、障碍物穿透检测、个体碰撞避免、群体运动停滞不前等问题。在解决了上述问题后,很好地实现了四种群体运动路径的规划,包括聚集、跟随、疏散和扩散。
|
全文目录
目录 4-6 摘要 6-7 Abstract 7-8 第一章 绪论 8-12 1.1 课题背景和意义 8 1.2 研究内容和创新点 8-9 1.2.1 研究内容 8-9 1.2.2 创新点 9 1.3 论文组织结构 9-11 1.4 本章小结 11-12 第二章 生物地理学优化算法研究进展 12-19 2.1 生物地理数学模型 12-13 2.2 生物地理学优化算法简介 13-17 2.2.1 算法构建 13 2.2.2 基本术语 13 2.2.3 迁移算子和变异算子 13-15 2.2.3.1 迁移算子 13-14 2.2.3.2 变异算子 14-15 2.2.4 BBO 算法描述 15-17 2.3 生物地理学优化算法研究现状 17-18 2.4 其它智能优化算法研究 18 2.5 本章小结 18-19 第三章 一种基于中值迁移和柯西变异的单目标生物地理学优化算法 19-30 3.1 中值迁移算子 19-21 3.1.1 中值定理 19 3.1.2 基于中值定理的迁移算子 19-21 3.2 柯西变异算子 21-22 3.2.1 柯西分布 21 3.2.2 基于柯西分布的变异算子 21-22 3.3 MCBBO 算法描述 22-23 3.4 实验 23-29 3.4.1 实验准备 23-24 3.4.2 实验结果及分析 24-29 3.5 本章小结 29-30 第四章 一种基于中值迁移算子和ε-支配的多目标生物地理学优化算法 30-41 4.1 多目标优化问题和方法 30-32 4.1.1 问题描述 30-31 4.1.2 相关算法 31-32 4.2 精英种群的引入和维护 32-33 4.3 MVBBO 算法描述 33-34 4.4 实验 34-40 4.4.1 实验准备 34-36 4.4.2 实验结果及分析 36-40 4.5 本章小结 40-41 第五章 MCBBO 算法在群体路径规划中的应用 41-51 5.1 平台介绍 41-42 5.2 群体路径规划子系统设计 42-44 5.2.1 MCBBO 算法使用分析 42-43 5.2.2 群体路径规划子系统功能分析 43-44 5.3 应用实例 44-50 5.3.1 聚集运动 45-47 5.3.2 跟随运动 47-48 5.3.3 疏散运动 48-49 5.3.4 扩散运动 49-50 5.4 本章小结 50-51 第六章 总结与展望 51-52 6.1 全文总结 51 6.2 下一步研究工作 51-52 参考文献 52-54 攻读硕士学位期间的论文发表情况 54-55 致谢 55
|
相似论文
- 基于蚁群算法的电梯群优化控制研究,TU857
- 海底管道修复连接器的研究,TE973
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 基于粒子群算法的区域水资源优化配置研究,TV213.4
- 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
- 基于NSGA-Ⅱ算法的磨矿过程稳态优化,TD921.4
- 多目标粒子群算法及其在车间调度中的应用研究,TP18
- 多目标柔性作业车间调度优化问题研究,O224
- 立式加工中心多目标优化设计,TG659
- 针对模型失配的多目标预测控制研究,TP13
- 磨矿过程的稳态检测与优化,TD921.4
- 含分布式电源的配电网无功优化偿研究,TM714.3
- 电火花加工参数优化的研究,TG661
- 基于克隆免疫算法的应急物流车辆路径模型的研究,U116.2
- 基于遗传算法的快速航迹规划方法研究,TP18
- 深海采矿提升管系统优化研究,TD424
- 按订单生产计划与排程的优化模型,TH186
- 汽油发动机润滑系统性能优化研究,U464.137
- 考虑动态响应特性的全船结构多目标优化研究,U661.4
- 环境、资源约束下的武汉市产业结构调整多目标优化研究,F127
- 考虑多运输方案的采购决策优化研究,F274
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
|