学位论文 > 优秀研究生学位论文题录展示
人工蜂群混合优化算法及应用研究
作 者: 张伟
导 师: 王宁
学 校: 浙江大学
专 业: 控制科学与工程
关键词: 人工蜂群算法 混合优化算法 机组组合优化问题 燃料电池模型参数估计 短期汽油调合优化调度
分类号: TP18
类 型: 博士论文
年 份: 2014年
下 载: 25次
引 用: 0次
阅 读: 论文下载
内容摘要
人工蜂群(简称ABC)算法是一类新的仿生智能优化算法。由于其特有的分工协作、信息交流等机制,自其问世以来就受到了人们广泛的关注。ABC算法结构简单、概念清晰,而且容易实现、全局优化性能好,有广阔的应用前景。尽管如此,基本的人工蜂群算法仍有诸多不足,例如后期收敛速度慢、局部搜索能力弱、不能处理离散和约束问题等。本文对人工蜂群算法进行深入研究,结合其他生物智能算法的机制,提出了多种人工蜂群混合算法并用于求解工程背景的优化问题。本文的主要研究工作如下:(1)针对具有离散和连续变量、多重约束的机组组合调度优化问题,结合遗传算法(简称GA)在求解离散问题方面的优势和ABC算法较强的实数优化能力,提出一种基于约束分解和修复的ICGA-ABC算法。该算法使用整型编码(简称1C)的染色体更直观地表达调度解并减小编码长度;通过在遗传进化中嵌入修复操作提高搜索可行解的能力,避免大规模时的“组合爆炸”问题;使用ABC算法快速求解简化后的实数域“经济负载分配”问题。将ICGA-ABC用于多个不同规模机组组合调度问题的求解,结果表明与LR、 BCGA、 ICBF等方法相比,本文所提出的算法可获得更高质量的调度解,有效减小了总发电成本。(2)针对人工蜂群算法在搜索后期局部优化能力差、收敛速度慢的问题,受生物界中大肠杆菌觅食行为的启发,将细菌趋药性作为局部搜索策略嵌入到人工蜂群算法的“观察蜂相”中,提出了一种混合ABC算法(称为HABC)。在选择操作上,该算法引入自适应Boltzmann概率,有利于种群维持多样性、避免陷入局部最优、加快收敛速度。通过对8个典型测试函数的求解,结果表明所提算法在求解精度及可靠性方面都有显著提高。将该算法用于求解质子交换膜燃料电池模型参数估计问题,对两个电池实例的实验结果表明所建模型的预测值与实验值的误差更小,能更好地反映实际系统的非线性特性。(3)受RNA分子操作的启发,将RNA分子操作算子引入人工蜂群算法中以提高种群多样性、避免重复搜索和早熟收敛,提出了一种RNA-ABC算法。结合使用Oracle罚函数法和通用的离散量转换技术,可以将复杂约束转化为无约束问题。通过对8个典型非线性约束优化问题的寻优测试,验证了所提方法的有效性。使用RNA-ABC算法求解炼油厂短期汽油调合调度优化问题,所得的调合配方能获得比其他方法更高的调合利润。(4)为提高人工蜂群算法的搜索效率,特别是增强对高维问题的寻优能力,将差分进化算法(简称DE)中的几种变异操作和交叉算子引入到“雇佣蜂相”,提出了一种具有竞争型差分操作的混合ABC算法(称为DABC)。该算法使用新的组合式向量产生策略并引入竞争,以增强雇佣蜂对搜索的引领作用,提高算法性能。通过对测试函数的寻优,验证了所提出的算法求解较高维问题时在搜索速度上的提升。将该算法用于桥式吊车系统的RBF神经网络优化建模,实验结果表明,使用DABC算法可以获得具有良好拟合精度和泛化能力的RBF网络模型。
|
全文目录
相似论文
- 基于改进人工蜂群算法和LSSVM的甲醇合成过程软测量建模方法研究,TP274
- 基于改进人工蜂群算法的机组组合优化方法,TM73
- 改进蚁群算法的研究,TP301.6
- 用改进人工蜂群算法优化基于内容的哼唱音乐检索系统,TP391.3
- 基于互信息与小波变换的医学图像配准方法研究,TP391.41
- 基于混合优化算法的注射模具参数优化研究,TP391.72
- 群智能优化算法在路径规划中的应用研究,O221
- 群体智能算法在图像匹配中的应用,TP391.41
- 基于粒子群遗传混合优化算法的给水管网优化设计的研究,TU991.33
- 人工蜂群算法的混合策略研究,TP18
- 人工蜂群算法及其在组合优化中的应用研究,TP301.6
- 混合智能优化算法及其应用,TP18
- 群体动画中运动生成模块的模型研究,TP391.41
- 物流车辆路径问题算法研究,F252
- 新型智能优化算法及其在图像分割中的应用研究,TP391.41
- 群智能优化算法在多序列比对中的应用,TP301.6
- 蒙特卡罗模拟优化与风险决策分析的应用研究,C934
- 山东省公路网联网收费系统优化技术研究,U495
- 基于改进支持向量机和纹理图像分析的旋转机械故障诊断,TH165.3
- 粒子群算法研究及应用,F224
- 几类投资组合优化模型及其算法,F224
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
|