隨著優(yōu)化問題復(fù)雜性的增加,未知變量變多、目標(biāo)函數(shù)結(jié)構(gòu)復(fù)雜、約束條件龐大、維度較高,使得優(yōu)化問題的規(guī)模均呈爆炸式增長,變量之間的關(guān)系更加復(fù)雜,其求解難度日益增加。群智能算法作為一種元啟發(fā)式算法,因其參數(shù)簡單、不依賴于具體優(yōu)化問題、全局搜索能力強(qiáng)、具有一定學(xué)習(xí)能力等優(yōu)點(diǎn)得到廣泛的應(yīng)用,并在大量優(yōu)化問題中取得成功。鯨魚優(yōu)化算法是近年新提出的基于群體的元啟發(fā)式算法,已被證明在部分優(yōu)化問題和工程應(yīng)用上優(yōu)于其它群智能算法。本文對鯨魚優(yōu)化算法展開研究,并將改進(jìn)的鯨魚優(yōu)化算法應(yīng)用到高維函數(shù)優(yōu)化問題和片上網(wǎng)絡(luò)映射優(yōu)化問題中。本文主要做了以下研究工作:(1)分別介紹了高維函數(shù)優(yōu)化問題和較大規(guī)模片上網(wǎng)絡(luò)映射優(yōu)化問題,前者為連續(xù)優(yōu)化問題,后者為離散優(yōu)化問題。對兩種優(yōu)化問題的背景和發(fā)展現(xiàn)狀進(jìn)行了詳盡的闡述,對現(xiàn)有的成果進(jìn)行了分析和評價(jià)。此外,針對不同大規(guī)模優(yōu)化問題指出了其亟待解決的問題和面臨的挑戰(zhàn)。(2)對經(jīng)典的群智能算法進(jìn)行詳盡的闡述并進(jìn)行了比較,給出其生物背景和仿生學(xué)原理。詳細(xì)分析了鯨魚優(yōu)化算法,總結(jié)了不同搜索策略在尋優(yōu)過程中的特點(diǎn)與作用,同時(shí)分析了其在大規(guī)模優(yōu)化問題中的局限性。針對鯨魚算法的局限性,從開發(fā)和探索的角度詳細(xì)介紹了本文采用的改進(jìn)策略。(3)針對高維連續(xù)優(yōu)化問題,提出了改進(jìn)的鯨魚優(yōu)化算法(MWOA)并通過解決大規(guī)模函數(shù)優(yōu)化問題證明其有效性。所提算法采用二次插值算子增加種群的多樣性,引導(dǎo)搜索代理在當(dāng)前最優(yōu)解的鄰域進(jìn)行精細(xì)搜索,增強(qiáng)算法的開發(fā)能力;利用Levy飛行短距離游走并偶有長距離跳躍的特點(diǎn)跳出局部最優(yōu),避免算法早熟收斂;用非線性參數(shù)替代線性參數(shù)控制搜索進(jìn)程,加快種群收斂并更好的均衡開發(fā)能力和探索能力。仿真結(jié)果證明,相比較于當(dāng)前較新的四種改進(jìn)算法,該算法對于高維函數(shù)優(yōu)化問題的求解十分有效,在收斂速度、尋優(yōu)精度、整體性能等方面均大幅提高。(4)片上網(wǎng)絡(luò)的映射問題要求IP核與網(wǎng)絡(luò)節(jié)點(diǎn)之間一一對應(yīng),故該優(yōu)化問題是離散的且具有約束條件,因此群智能算法不能直接進(jìn)行應(yīng)用。本文提出一種基于遺傳算法和鯨魚優(yōu)化算法的映射方法(WOAGA),該算法具有良好的穩(wěn)定性且能夠?qū)崿F(xiàn)片上網(wǎng)絡(luò)能耗最小化。該算法采用改進(jìn)的兩點(diǎn)交叉算子進(jìn)行信息的交替互換,增加種群的多樣性;利用變異算子引入新的基因以避免搜索代理停滯于局部最優(yōu),從而增強(qiáng)全局搜索能力;結(jié)合鯨魚算法的參數(shù)設(shè)計(jì),使算法隨著搜索進(jìn)程的推進(jìn)改變搜索的側(cè)重點(diǎn),更好的滿足不同搜索階段的要求。仿真實(shí)驗(yàn)證明了所提算法解決較大規(guī)模片上網(wǎng)絡(luò)映射優(yōu)化問題的有效性。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18;TN47
【部分圖文】：

二維Mesh片上網(wǎng)絡(luò)映射

圖 4.12 不同算法大規(guī)模片上網(wǎng)絡(luò)映射優(yōu)化結(jié)果最優(yōu)值和均值的角度，所提算法 WOAGA 對實(shí)際應(yīng)用能耗最小的映射方案，用于對比的遺傳算法、蟻群算法現(xiàn)較好，且隨著優(yōu)化問題規(guī)模的增長，遺傳算法和隨機(jī)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃逸;;算法結(jié)構(gòu)與設(shè)計(jì)教學(xué)中的若干思考[J];中學(xué)數(shù)學(xué)雜志;2008年05期

2 何永生;;算法結(jié)構(gòu)考查“三角度”[J];中學(xué)生數(shù)理化(高一);2017年01期

3 丁忒;;“算法的概念”教學(xué)設(shè)計(jì)[J];中國數(shù)學(xué)教育;2017年Z2期

4 王靖亞;;算法結(jié)構(gòu)對其性能的影響研究[J];計(jì)算機(jī)教育;2005年10期

5 裴承鳴;黎中偉;;ARMA過程的遞推線性估計(jì)及其應(yīng)用[J];西北工業(yè)大學(xué)學(xué)報(bào);1987年02期

6 胡平;;試論濾波器的算法結(jié)構(gòu)[J];河北機(jī)電學(xué)院學(xué)報(bào);1987年01期

7 黃繼進(jìn);;快速DFT計(jì)算——基于遞歸割圓因式分解的新算法[J];計(jì)算機(jī)應(yīng)用與軟件;1988年05期

8 鄭容;;時(shí)域加權(quán)FFT算法(WTTA)[J];信號處理;1988年04期

9 乞敬換;王秀峰;;具有阻塞的串行生產(chǎn)線“線性”狀態(tài)方程描述及擾動(dòng)分析新算法[J];系統(tǒng)工程學(xué)報(bào);1989年02期

10 王靖亞;;算法結(jié)構(gòu)對其性能的影響研究[J];中國人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

相關(guān)博士學(xué)位論文 前6條

1 石人剛;位置靈敏γ成像定位算法技術(shù)研究[D];中國工程物理研究院;2019年

2 鐘軼君;分片稀疏恢復(fù)理論及算法[D];大連理工大學(xué);2018年

3 張慧君;三元M/B/Si功能化合物的第一性原理計(jì)算方法研究[D];燕山大學(xué);2017年

4 熊丙章;高中生的算法理解水平及其教學(xué)策略研究[D];西南大學(xué);2013年

5 楊樂嬋;基于GEP算法和高光譜數(shù)據(jù)的植物主要理化參數(shù)估算研究[D];南京大學(xué);2017年

6 張超;混合群智能優(yōu)化算法研究及應(yīng)用[D];北京科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 丁鑫;高效k近鄰算法及其MPI并行化的研究[D];重慶郵電大學(xué);2019年

2 胡歆宸;《今日頭條》算法推薦媒介倫理問題研究[D];湘潭大學(xué);2019年

3 梅陽陽;基于網(wǎng)絡(luò)行為的用戶畫像算法研究[D];廣東技術(shù)師范大學(xué);2019年

4 王曦璐;改進(jìn)鯨魚算法在函數(shù)優(yōu)化和片上網(wǎng)絡(luò)中的應(yīng)用[D];西安電子科技大學(xué);2019年

5 張楚濱;混合條件穩(wěn)定FDTD算法研究[D];華南理工大學(xué);2019年

6 趙書鋒;大規(guī)模MIMO系統(tǒng)上行鏈路低復(fù)雜度信號檢測算法研究[D];重慶郵電大學(xué);2018年

7 葉偉;Massive MIMO系統(tǒng)中上行信號的檢測算法研究[D];重慶郵電大學(xué);2018年

8 蔡佳然;復(fù)雜背景下基于深度學(xué)習(xí)的行人檢測算法研究[D];華南理工大學(xué);2019年

9 陳奇華;針對小目標(biāo)的深度學(xué)習(xí)行人檢測算法研究[D];華南理工大學(xué);2019年

10 何姣姣;多尺度并行通道級聯(lián)網(wǎng)絡(luò)的行人檢測算法研究[D];長安大學(xué);2019年

本文編號：2860325