本文關(guān)鍵詞：人工魚群混合智能優(yōu)化算法及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

浙江大學(xué)信息學(xué)部

碩士學(xué)位論文

人工魚群混合智能優(yōu)化算法及其應(yīng)用研究

姓名：張漢強(qiáng)

申請(qǐng)學(xué)位級(jí)別：碩士

專業(yè)：控制理論與控制工程

指導(dǎo)教師：陳金水;盧建剛

20100101

浙江大學(xué)碩士學(xué)位論文摘要

摘要

優(yōu)化問題一直是科學(xué)和工程研究領(lǐng)域的熱點(diǎn)問題。傳統(tǒng)的優(yōu)化方法在處理大維數(shù)、多模態(tài)等復(fù)雜問題上存在諸多不足。國內(nèi)外研究學(xué)者對(duì)此進(jìn)行了研究和探討，提出了多種智能優(yōu)化算法，并結(jié)合各種優(yōu)化算法的優(yōu)點(diǎn)，衍生出多種混合智能優(yōu)化算法。本文在分析人工魚群算法基本原理的基礎(chǔ)上，結(jié)合禁忌搜索算法和遺傳算法，提出了兩種新的混合智能優(yōu)化算法，并將混合算法應(yīng)用于多目標(biāo)優(yōu)化、參數(shù)估計(jì)和組合優(yōu)化中，擴(kuò)展了算法的應(yīng)用范圍。

本文所作的主要工作如下：

Ｉ、系統(tǒng)地介紹智能優(yōu)化算法的研究現(xiàn)狀，以及單純智能優(yōu)化算法的局限性和混合智能優(yōu)化算法的優(yōu)點(diǎn)。重點(diǎn)分析人工魚群算法，并通過典型函數(shù)的仿真，探討參數(shù)對(duì)人工魚群算法收斂速度和精度的影響，總結(jié)出魚群算法參數(shù)設(shè)置的基本原則，提出分階段和變參數(shù)尋優(yōu)的改進(jìn)策略。

２、結(jié)合人工魚群算法的改進(jìn)策略，提出兩種新的混合智能優(yōu)化算法：禁忌與魚群混合優(yōu)化算法（ＨＩＯＡ－ＴＳＦＡ）和遺傳與魚群混合智能優(yōu)化算法（ＨＩＯＡ－ＧＦＡ）。通過對(duì)兩種混合智能優(yōu)化算法的仿真研究，以及與前人的研究成果比較，均驗(yàn)證了本文提出兩種算法的有效性。

３、通過引入懲罰項(xiàng)的方法，將ＨＩＯＡ－ＴＳＦＡ算法應(yīng)用于解決多目標(biāo)優(yōu)化問題。仿真研究表明，該算法在解決復(fù)雜函數(shù)的優(yōu)化問題和多目標(biāo)優(yōu)化問題中效果顯著。將ＨＩＯＡ－ＧＦＡ應(yīng)用于非線性系統(tǒng)的參數(shù)估計(jì)問題，在無噪聲和有白噪聲的條件下，通過Ｌｏｒｅｎｚ混沌系統(tǒng)進(jìn)行仿真研究，結(jié)果表明該混合算法對(duì)于解決參數(shù)估計(jì)問題十分有效。最后，進(jìn)一步引入去交叉局部優(yōu)化策略對(duì)ＨＩＯＡ－ＧＦＡ進(jìn)行改進(jìn)，并將其應(yīng)用于組合優(yōu)化問題中的旅行商問題。通過仿真研究驗(yàn)證了ＨＩＯＡ－ＧＦＡ在解決旅行商問題時(shí)的有效性。關(guān)鍵詞：魚群算法；混合智能優(yōu)化算法；多目標(biāo)優(yōu)化；組合優(yōu)化；參數(shù)估計(jì)

浙江大學(xué)碩’Ｉ：學(xué)位論文ＡＢＳＴＲＡＣＴ

ＡＢＳＴＲＡＣＴ

Ｏｐｔｉｍｉｚａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｈａｓａｔｔｒａｃｔｅｄａｌｏｔｏｆａｔｔｅｎｔｉｏｎｉｎｔｈｅｆｉｅｌｄｓｏｆｓｃｉｅｎｃｅａｎｄｅｎｇｉｎｅｅｒｉｎｇ．Ｓｏｍｅｐｒｏｂｌｅｍｓｈａｖｅｂｅｅｎｆｏｕｎｄｉｎｃｌａｓｓｉｃａｌｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｓｔｏｓｏｌｖｅｈｉｇｈｄｉｍｅｎｓｉｏｎ，ｍｕｌｔｉ－ｍｏｄａｌａｎｄｏｔｈｅｒｃｏｍｐｌｅｘｓｙｓｔｅｍｓ．Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｓｅｓｈｏｒｔｃｏｍｉｎｇｓ，ａＩｏｔｏｆｒｅｓｅａｒｃｈｏｎＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｈａｓｂｅｅｎｄｏｎｅ．ａｎｄｓｅｖｅｒａｌＨｙｂｒｉｄ

ｔｈｅａｄｖａｎｔａｇｅｏｆｖａｒｉｏｕｓｏｐｔｉｍｉｚａｔｉｏｎＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｃｏｍｂｉｎｅｄｗｉｔｈ

ａｌｇｏｒｉｔｈｍｓａｒｅｐｒｏｐｏｓｅｄｗｉｔｈｄｉｓｃｕｓｓｅｄｉｎ－ｄｅｐｔｈ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｗｏｎｅｗＨｙｂｒｉｄＩｎｔｅｌｌｉｇｅｎｔ

ａｒｅＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｄＡｒｔｉｆｉｃｉａｌＦｉｓｈＳｗａｒｍＡｌｇｏｒｉｔｈｍｗｉｔｈ

ＴａｂｕＳｅａｒｃｈａｎｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ．ＴｈｅｎｔｈｅｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｔｗｏｈｙｂｒｉｄａｌｇｏｒｉｔｈｍｓｉｎＭｕｌｔｉ—ｏｂｊｅｃｔｉｖｅＯｐｔｉｍｉｚａｔｉｏｎ，ＰａｒａｍｅｔｅｒＥｓｔｉｍａｔｉｏｎ，ａｎｄＣｏｍｂｉｎａｔｏｒｉａｌ

ａｒｅＯｐｔｉｍｉｚａｔｉｏｎ，ｗｈｉｃｈｉｓｓｅｌｄｏｍｃｏｖｅｒｅｄｂｙｏｔｈｅｒ

ｆｏｌｌｏｗｓ：ａｕｔｈｏｒｓ．Ｔｈｅｍａｉｎｃｏｎｔｅｎｔｓｏｆｔｈｅｐａｐｅｒａｓ

１、ＴｈｅｓｔａｔｕｓｏｆｔｈｅＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍ

ａｓｒｅｓｅａｒｃｈｉｓｓｙｓｔｅｍａｔｉｃａｌｌｙｉｎｔｒｏｄｕｃｅｄ，ａｓｗｅｌｌｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｓｉｍｐｌｅＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓａｎｄｔｈｅ

ａｄｖａｎｔａｇｅｓｏｆＨｙｂｒｉｄＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓ．ＢｙａｎａｌｙｚｉｎｇｔｈｅＡｒｔｉｆｉｃｉａｌＦｉｓｈＳｗａｒｍＡｌｇｏｒｉｔｈｍａｎｄｔｈｅｔｙｐｉｃａｌｂｅｎｃｈ—ｍａｒｋｓｉｍｕｌａｔｉｏｎ，ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｐａｒａｍｅｔｅｒｓｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄａｃｃｕｒａｃｙｏｆｔｈｅＡｒｔｉｆｉｃｉａｌＦｉｓｈＳｗａｒｍＡｌｇｏｒｉｔｈｍｉｓｏｎｔｈｅｄｉｓｃｕｓｓｅｄ．Ｔｈｅｎ，ｔｈｅ

ａｒｅｂａｓｉｃｐｒｉｎｃｉｐｌｅｓｏｆｓｅｔｔｉｎｇｔｈｅｐａｒａｍｅｔｅｒｓｉｎＡｒｔｉｆｉｃｉａｌＦｉｓｈＳｗａｒｍＡｌｇｏｒｉｔｈｍ

ａｎｄａｓｕｍｍａｒｉｚｅｄｇｒａｄｉｎｇａｎｄｖａｒｉａｂｌｅｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｙｉｓｐｒｏｐｏｓｅｄ．

ｏｎ２、ＢａｓｅｄｉｍｐｒｏｖｅｄＡｒｔｉｆｉｃｉａｌ

ａｒｅＦｉｓｈＳｗａｒｍＡｌｇｏｒｉｔｈｍ，ｔｗｏｎｅｗＨｙｂｒｉｄＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｓｐｒｏｐｏｓｅｄ，ｏｎｅｏｆｗｈｉｃｈｉｓｃｏｍｂｉｎｅｄｗｉｔｈＴａｂｕＳｅａｒｃｈｗｈｉｌｅｔｈｅ

ｏｔｈｅｒｗｉｔｈＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ．Ｃｏｍｐａｒｉｎｇｗｉｔｈｐｒｅｖｉｏｕｓｓｔｕｄｉｅｓ，ｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｓｅｔｗｏａｌｇｏｒｉｔｈｍｓｈａｓｂｅｅｎｐｒｏｖｅｎｂｙＭａｔｌａｂｓｉｍｕｌａｔｉｏｎ．

３、ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＨＩＯＡ—ＴＳＦＡａｌｇｏｒｉｔｈｍｉｎｓｏｌｖｉｎｇＭｕｌｔｉ—ｏｂｊｅｃｔｉｖｅＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂｌｅｍｂｙｔｈｅｍｅｔｈｏｄｏｆＰｕｎｉｓｈｍｅｎｔＩｔｅｍｓｉｓｉｎｔｒｏｄｕｃｅｄ．ＳｉｍｕｌａｔｉｏｎｓｔｕｄｉｅｓｓｈｏｗｔｈａｔｉｔｉｓｖｅｒｙｅｆｆｅｃｔｉｖｅｔｏｓｏｌｖｅｃｏｍｐｌｅｘｆｕｎｃｔｉｏｎａｎｄＭｕｌｔｉ—ｏｂｊｅｃｔｉｖｅＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂｌｅｍ．Ｓｅｃｏｎｄｌｙ，ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆＨＩＯＡ—ＧＦＡｉｎｓｏｌｖｉｎｇＰａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎｏｆＮｏｎｌｉｎｅａｒＳｙｓｔｅｍｉｓｄｉｓｃｕｓｓｅｄ．Ｓｉｍｕｌａｔｉｏｎｓｔｕｄｙｕｎｄｅｒｔｈｅａｂｓｅｎｃｅｏｆｎｏｉｓｅａｎｄｗｈｉｔｅｎｏｉｓｅｃｏｎｄｉｔｉｏｎｓｓｈｏｗｔｈａｔｉｔｉｓｖｅｒｙ．ＩＶ—

浙汀大學(xué)碩．Ｉ：學(xué)位論文ＡＢＳＴＲＡＣＴｅｆｆｅｃｔｉｖｅｉｎｓｏｌｖｉｎｇｔｈｅｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎｐｒｏｂｌｅｍｉｎｔｈｅＬｏｒｅｎｚｃｈａｏｔｉｃｓｙｓｔｅｍ．Ｆｉｎａｌｌｙ，ｔｈｅｃｒｏｓｓ－ｐａｒｔｉａｌｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｙｉｓｉｎｔｒｏｄｕｃｅｄｔｏｉｍｐｒｏｖｅｔｈｅＨＩＯＡ—ＧＦＡ，，ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｉｎｔｈｅＴｒａｖｅｌｉｎｇＳａｌｅｓｍａｎＰｒｏｂｌｅｍ（ＣｏｍｂｉｎａｔｏｒｉａｌＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂｌｅｍ）ｉｓｄｉｓｃｕｓｓｅｄ．Ｉｔｉｓｐｒｏｖｅｄ

Ｋｅｙｗｏｒｄｓ：ＦｉｓｈｔｏｂｅｅｆｆｅｃｔｉｖｅｔｏｓｏｌｖｅＴＳＰｐｒｏｂｌｅｍｂｙＭａｔｌａｂｓｉｍｕｌａｔｉｏｎ．Ａｌｇｏｒｉｔｈｍ；ＳｗａｒｍＡｌｇｏｒｉｔｈｍ；ＨｙｂｒｉｄＩｎｔｅｌｌｉｇｅｎｔＯｐｔｉｍｉｚａｔｉｏｎ

Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅＰｒｏｂｌｅｍ；ＣｏｍｂｉｎａｔｏｒｉａｌＯｐｔｉｍｉｚａｔｉｏｎ；ＰａｒａｍｅｔｅｒＥｓｔｉｍａｔｉｏｎ－ＩＶ．

浙江大學(xué)研究生學(xué)位論文獨(dú)創(chuàng)性聲明

本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得—逝婆盤鱟或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。

……虢始娩簽字吼如ｒ鈔』日

學(xué)位論文版權(quán)使用授權(quán)書

本學(xué)位論文作者完全了解董壁姿盤堂有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交本論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)逝姿盤堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索和傳播，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。

（保密的學(xué)位論文在解密后適用本授權(quán)書）

學(xué)位論文作者簽名：導(dǎo)師簽名：

簽字日期：年月日簽字日期：年月日

  本文關(guān)鍵詞：人工魚群混合智能優(yōu)化算法及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。