学位论文 > 优秀研究生学位论文题录展示

人工萤火虫群优化算法改进及应用研究

作　者: 张军丽
导　师: 周永权
学　校: 广西民族大学
专　业: 计算数学
关键词: 混沌方法 Powell方法人工萤火虫群算法人工鱼群算法差分进化可行性规则模拟退火混合算法
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 166次
引　用: 0次
阅　读: 论文下载

内容摘要

在科学与工程计算领域,人们所遇到的大部分求解问题都可归结为目标优化问题。随着电子计算机的飞速发展与广泛应用,优化技术得以迅猛发展,一直是人们研究的热点。近年来,随着计算智能理论与技术的快速发展,人们提出了各种仿生优化算法,包括遗传算法、蚁群算法、微粒群算法、模拟退火算法等,这些算法在解决复杂优化问题方面已表现出优异的性能和巨大的发展潜力,因此,智能算法研究是一个具有重要理论意义和实际应用价值的课题。人工萤火虫群优化算法是一种模拟自然界中萤火虫群体智能行为的新型仿生优化算法。该算法具有简单易实现,鲁棒性强,易于与其它算法相融合等优点,目前已成功应用于多信号源探测、多模态函数优化和网络机器人系统等领域,但它也有一些缺陷,存在着收敛速度慢,易陷入局部最优,收敛成功率低,计算精度不高等。针对人工萤火虫群优化算法存在的不足,文中开展以下几个方面研究:(1)利用混沌运动所具有随机性、遍历性和内在规律性等特点,将混沌法作为一种局部搜索算子,嵌入到萤火虫群算法中,提出一种混沌优化人工萤火虫群算法,即在每一次迭代中,先利用萤火虫群算法执行全局搜索,然后对群体中适应度值大于群体平均适应度值的个体执行给定步数的混沌局部搜索,以指导群体向最优解方向搜索,这样保证了算法的全局收敛性和局部遍历性,使算法更容易逃离局部极值。(2)鉴于Powell方法具有强大的局部优化能力,在人工萤火虫群优化算法收敛后期,将Powell方法作为一种局部优化算子嵌入到人工萤火虫群优化算法中,提出一种Powell方法局部优化的人工萤火虫群算法。实验结果表明,提出算法在收敛速度、优化精度和稳定性方面显著优于人工萤火虫群算法。(3)将人工鱼群算法的觅食行为引入到人工萤火虫群优化算法中,即对邻居集合为空集的萤火虫在其动态决策范围内执行觅食行为,并与差分进化算法融合,基于一种最优信息共享、双种群协同进化机制,提出一种人工萤火虫群与差分进化混合优化算法,并将其应用于几个典型函数和最小推力滚珠导轨工程优化设计中,仿真结果表明,该算法收敛速度更快、优化精度更高、性能更稳定。(4)针对约束优化问题提出一种混合人工萤火虫群算法,以人工萤火虫群与差分进化算法为基本框架,在进化过程中,采用基于可行性规则的更新策略来更新群体最优位置,并对群体最优位置执行基于模拟退火的局部搜索。最后,通过典型函数和焊接条、伸缩绳、压力管、减速器、三杆桁架5个工程设计问题测试,结果表明提出算法收敛速度快,计算精度高,鲁棒性好,对求解多维复杂函数约束优化和工程约束优化问题非常有效。

全文目录

摘要  3-5
ABSTRACT  5-10
1 绪论  10-12
  1.1 研究背景及意义  10
  1.2 本文的研究成果  10-11
  1.3 本文的结构安排  11-12
2 人工萤火虫群优化算法  12-16
  2.1 人工萤火虫群优化算法的研究现状及进展  12
  2.2 人工萤火虫群优化算法描述  12-15
    2.2.1 基本概念  12-13
    2.2.2 GSO算法描述  13-15
    2.2.3 算法参数  15
  2.3 本章小结  15-16
3 基于局部搜索策略的改进人工萤火虫群优化算法  16-29
  3.1 引言  16
  3.2 一种基于混沌优化的改进人工萤火虫群优化算法  16-22
    3.2.1 混沌法  16-17
    3.2.2 基于混沌优化的改进GSO算法(CGSO)  17-18
    3.2.3 仿真实验及结果分析  18-22
  3.3 一种基于Powell方法的改进人工萤火虫群优化算法  22-28
    3.3.1 Powell方法  22
    3.3.2 基于Powell方法的改进GSO算法(GSO- Powell)  22-23
    3.3.3 仿真实验及结果分析  23-28
  3.4 本章小结  28-29
4 改进型人工萤火虫群优化与差分进化混合优化算法  29-36
  4.1 引言  29
  4.2 人工鱼群算法  29
  4.3 差分进化算法  29-30
  4.4 改进人工萤火虫群优化与差分进化的混合优化算法（DE-IGSO）  30-32
    4.4.1 人工萤火虫群优化算法改进思想  30
    4.4.2 IGSO与DE融合策略  30-31
    4.4.3 DE-IGSO算法实施过程  31-32
  4.5 DE-IGSO函数仿真实验及结果分析  32-34
    4.5.1 测试函数  32
    4.5.2 实验环境  32
    4.5.3 仿真结果  32-34
    4.5.4 仿真结果分析  34
  4.6 应用实例及结果分析  34-35
  4.7 本章小结  35-36
5 混合人工萤火虫群优化算法在约束优化问题中的应用  36-55
  5.1 约束优化问题  36
  5.2 基于可行性规则的混合GSO算法(HGSO)  36-38
    5.2.1 基于可行性规则的约束处理  36-37
    5.2.2 基于模拟退火的局部搜索  37
    5.2.3 HGSO算法步骤  37-38
  5.3 典型函数实验仿真及结果分析  38-46
    5.3.1 测试函数  38-40
    5.3.2 实验环境  40
    5.3.3 仿真结果  40-45
    5.3.4 仿真结果分析  45-46
  5.4 工程应用实例及结果分析  46-54
  5.5 本章小结  54-55
6 总结与展望  55-56
  6.1 总结  55
  6.2 工作展望  55-56
参考文献  56-61
附录  61-79
致谢  79-80
攻读学位期间参与的科研项目  80-81
攻读学位期间发表的学术论文目录  81

人工萤火虫群优化算法改进及应用研究

内容摘要

全文目录

相似论文