学位论文 > 优秀研究生学位论文题录展示

基于动物觅食原理的改进微粒群算法研究

作　者: 秦秋燕
导　师: 谭瑛；崔志华
学　校: 太原科技大学
专　业: 计算机软件与理论
关键词: 微粒群算法 饥饿风险 捕食风险
分类号: TP301.6
类　型: 硕士论文
年　份: 2010年
下　载: 55次
引　用: 0次
阅　读: 论文下载
 

内容摘要


微粒群算法是一种模拟鸟群飞行、鱼群游动的群体智能算法。该算法简单易实现、可调参数少,已成功应用于许多领域。论文从动物觅食原理出发,对微粒群算法的算法结构进行了改进。从标准微粒群算法的生物学背景可知,微粒的行为仅由外部环境中食物的丰富度来决定,即所有微粒都趋向于向着食物最多的地方靠近。微粒的行为选择仅受外部环境影响,而没有考虑微粒自身的内部动机或内部状态。生物学的一些研究表明,动物在觅食过程中,其行为选择除了与外部环境中食物的丰富度有关,还与动物机体内部自发的调节变化或生理需要有很大关系。因而论文在标准微粒群算法基础上,将微粒拓展为可以根据自身的内部动机进行行为选择的智能体,提出了食物引导的微粒群算法。该算法在标准微粒群算法的基础上,引入自身内部动机,使微粒能根据自身内部动机的不同进而产生不同的行为,从而更加符合算法的生物学背景。动物在觅食过程中危险随时都存在,所以捕食风险对于动物觅食行为具有很大影响。而通过模拟动物群体的觅食行为而形成的微粒群算法却忽略了这一重要因素,因而论文在食物引导的微粒群算法的基础上,引入捕食风险因素,提出了风险效益微粒群算法。该算法中,微粒可以根据自身内部状态的不同在饥饿风险和捕食风险之间进行权衡,当自身面临的能量压力较小时,其行为主要表现为对捕食风险的警戒,反之,面临能量压力较大时,则表现为对食物的需求。在风险效益微粒群算法中,微粒进化中如果发现了一个新的个体历史最优位置后,从而满足了自身能量需求,饥饿风险减小,其行为更倾向于对捕食风险的警戒。然而在真实动物群体中,有些动物在食物搜索过程中,如果发现了一个相对于以前位置食物更多的地方后,出于对食物的渴望及饥饿的恐惧,可能还会产生更大的动力去寻找食物。因此,通过对这种现象进行模拟,对算法进行了改进,提出了激励微粒群算法。该算法中,微粒进化中如果发现了一个新的个体历史最优位置后,满足了自身能量需求后,其饥饿风险反而增大,更倾向于对食物的需求。仿真结果表明,该算法较其他改进算法具有较高的全局搜索能力和较高的搜索效率。

全文目录


中文摘要  3-4
ABSTRACT  4-7
第一章 引言  7-15
  1.1 最优化问题  7-8
  1.2 进化计算  8-9
    1.2.1 概述  8
    1.2.2 遗传算法  8-9
  1.3 群智能算法  9
    1.3.1 人工鱼群算法  9
    1.3.2 粒子群算法  9
  1.4 微粒群算法  9-12
    1.4.1 微粒群算法的产生  9-10
    1.4.2 基本微粒群算法  10-11
    1.4.3 标准微粒群算法  11-12
  1.5 微粒群算法的国内外研究现状分析  12-14
  1.6 本文的主要研究内容  14-15
第二章 食物引导的微粒群算法  15-33
  2.1 食物引导的微粒群算法  15-17
    2.1.1 内部饥饿函数  15-16
    2.1.2 算法思想  16
    2.1.3 进化方程构造  16-17
  2.2 速度变异策略  17
  2.3 算法步骤  17
  2.4 仿真实验  17-32
    2.4.1 测试函数  18-19
    2.4.2 算法参数设置  19-20
    2.4.3 参数m1 及m2 的选择  20-22
    2.4.4 实验结果及分析  22-32
  2.5 小结  32-33
第三章 风险效益微粒群算法  33-51
  3.1 生物学基础  33
  3.2 风险效益微粒群算法  33-34
  3.3 速度变异策略  34-35
  3.4 仿真实验  35-50
    3.4.1 测试函数  35
    3.4.2 算法参数设置  35-36
    3.4.3 实验结果及分析  36-50
  3.5 小结  50-51
第四章 激励微粒群算法  51-63
  4.1 风险效益微粒群算法的分析及激励微粒群算法的提出  51
  4.2 激励微粒群算法  51-52
    4.2.1 食物动力模型  51-52
    4.2.2 算法思想  52
  4.3 速度变异策略  52-53
  4.4 仿真实验  53-61
    4.4.1 测试函数  53
    4.4.2 算法参数设置  53
    4.4.3 实验结果和分析  53-61
  4.5 小结  61-63
第五章 总结与展望  63-65
  5.1 论文总结  63
  5.2 展望  63-65
参考文献  65-69
致谢  69-71
攻读硕士学位期间科研论文发表情况  71-72

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 基于Petri网的供应链环境下生产计划研究,F274;F224
  3. 近似算法在排样优化中的应用,O224
  4. 基于微粒群算法的图像阈值分割方法及其应用,TP391.41
  5. 基于子空间的离群数据挖掘算法研究及应用,TP311.13
  6. 个性化微粒群算法研究,TP301.6
  7. 聚集人口疏散仿真研究,N945.13
  8. 基于微粒群算法的网格工作流优化调度问题的研究,TP311.52
  9. 微粒群算法及其在离散优化问题中的应用研究,TP301.6
  10. 基于混合微粒群算法求解加工时间不确定的Flow-Shop鲁棒调度问题,TP18
  11. 基于微粒群算法的模糊PID控制系统设计方法研究,TP273.4
  12. 基于小波分析小域特征融合的人脸识别算法研究,TP391.41
  13. 基于分簇的无线传感器网络簇头选择优化算法研究,TP212.9
  14. 基于微粒群算法的软件测试数据的自动生成,TP311.52
  15. 适合于随机优化问题的微粒群算法的研究,TP301.6
  16. 微粒群算法在动态优化中的应用研究,TP301.6
  17. 求解旅行商问题的微粒群算法研究,TP301.6
  18. 基于群机器人特征的改进微粒群算法研究,TP301.6
  19. 基于微粒群算法的服务网格资源优化调度问题的研究,TP393.01
  20. 基于微粒群算法的群机器人系统路径规划研究,TP242

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com