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 申請學(xué)位級別：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 座機電話號碼 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)者對此進行了研究和探討，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，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)估計和組合優(yōu)化中，擴展了算法的應(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。重點分析人工魚群算法，，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)的改進策略。 2、結(jié)合人工魚群算法的改進策略，提出兩種新的混合智能優(yōu)化算法：禁忌與魚群混 能優(yōu)化算法的仿真研究，以及與前人的研究成果比較，均驗證了本文提出兩種算法的有效 性。 3、通過引入懲罰項的方法，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)估計問題，在無噪聲和有白噪聲的條件下，通過Lorenz混沌系 統(tǒng)進行仿真研究，結(jié)果表明該混合算法對于解決參數(shù)估計問題十分有效。最后，進

  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。