【摘要】：在科學(xué)研究和工程應(yīng)用中都涉及對(duì)優(yōu)化問(wèn)題的求解,而隨著工業(yè)發(fā)展朝著新型化、綜合化、連續(xù)化的方向邁進(jìn),使得工業(yè)生產(chǎn)過(guò)程中所面對(duì)的優(yōu)化問(wèn)題具有多目標(biāo)求解、強(qiáng)非線性、高變量維度等特征。而啟發(fā)式智能算法為復(fù)雜優(yōu)化問(wèn)題的求解開(kāi)辟了新的解決途徑,因而對(duì)智能算法的研究具有重要理論意義和應(yīng)用價(jià)值。蛙跳算法(SFLA)是受青蛙捕食行為的啟發(fā)而設(shè)計(jì)的一種啟發(fā)式智能算法,算法通過(guò)模擬青蛙捕食,使得粒子在可行域空間內(nèi)進(jìn)行迭代搜索,具有結(jié)構(gòu)簡(jiǎn)單,參數(shù)較少,穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)。目前受到國(guó)內(nèi)外業(yè)內(nèi)學(xué)者廣泛關(guān)注,已成為智能算法優(yōu)化研究領(lǐng)域的熱點(diǎn)。但該算法也存在自身的缺陷,如求解精度低、收斂速度慢、易早熟等缺陷。因此,為了增強(qiáng)算法性能,彌補(bǔ)算法不足,需對(duì)算法進(jìn)行更深入的研究與優(yōu)化。針對(duì)蛙跳算法在多模態(tài)函數(shù)尋優(yōu)中存在的易陷入局部最優(yōu)、求解精度低、尋優(yōu)峰值數(shù)過(guò)少等缺陷,提出一種免疫雙向蛙跳算法,并將該算法用于多模態(tài)函數(shù)尋優(yōu)中。算法在每次循環(huán)迭代中,先通過(guò)基于雙向進(jìn)化機(jī)制的蛙跳算法以模因組的形式進(jìn)行“局部-全局”搜索,再通過(guò)克隆選擇算法,對(duì)已搜索到的解進(jìn)行局部?jī)?yōu)化,以進(jìn)一步提高解的精度。最后通過(guò)將部分函數(shù)旋轉(zhuǎn),以進(jìn)一步驗(yàn)證算法的性能。仿真結(jié)果表明,與原始蛙跳算法相比,該算法在保證收斂速度的同時(shí),算法在尋優(yōu)精度和搜索到的極值點(diǎn)數(shù)目方面都顯著提高。X射線脈沖星導(dǎo)航(XNAV)是一種應(yīng)用較為廣泛的天文自主導(dǎo)航,通過(guò)到達(dá)時(shí)間(TOA)來(lái)獲取航天器在深空中的各項(xiàng)參數(shù),而要計(jì)算TOA最好的方式是通過(guò)時(shí)延估計(jì)。本文在傳統(tǒng)雙譜算法的基礎(chǔ)上,通過(guò)引入改進(jìn)的蛙跳算法,提出了一種估計(jì)X射線脈沖星累積脈沖輪廓時(shí)間延遲的方法。該方法在地面數(shù)據(jù)控制中心通過(guò)改進(jìn)的蛙跳算法提取X射線脈沖星累計(jì)脈沖輪廓雙譜的特征譜點(diǎn),并將特征譜點(diǎn)存入航天器數(shù)據(jù)庫(kù)中。使得在航天器中只需計(jì)算標(biāo)準(zhǔn)累積脈沖輪廓(SIPP)和觀測(cè)累積脈沖輪廓(OIPP)在特征譜點(diǎn)處的雙譜值,從而減少計(jì)算量,達(dá)到加快時(shí)延估算的目的。最后通過(guò)仿真實(shí)驗(yàn)表明,該算法在保留了傳統(tǒng)雙譜算法在時(shí)延估計(jì)中高精度特點(diǎn)的同時(shí),大大增強(qiáng)了導(dǎo)航算法的實(shí)時(shí)性。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18
【圖文】：

，一考；第三項(xiàng)“社會(huì)部分”，來(lái)源于群體中其它優(yōu)秀粒子的飛行經(jīng)驗(yàn)，為粒子之的信息共享。通過(guò)三個(gè)部分的共同作用，促使粒子向最優(yōu)位置快速靠攏。逡逑２．３．２蛙跳算法的基本原理及流程逡逑蛙跳算法是通過(guò)模仿青蛙捕食而設(shè)計(jì)的一種協(xié)同搜索進(jìn)化算法，算法以池為可行域，池塘內(nèi)青蛙為獨(dú)立個(gè)體，每只青蛙攜帶自身獨(dú)有的文化信息，由于法是基于以族群為單位的思想進(jìn)行信息交換的，因而池塘內(nèi)青蛙都是以小范圍相對(duì)獨(dú)立的群體為單位進(jìn)行覓食，同一石塊上的青蛙為一個(gè)族群，通過(guò)在不同石塊間跳躍來(lái)尋找食物。青蛙為了能更快更高效的尋找到食物，每個(gè)青蛙的文信息是相互流通的，通過(guò)彼此之間的信息交換來(lái)起到取長(zhǎng)補(bǔ)短的效果，實(shí)現(xiàn)信共享，進(jìn)而提升自己尋找食物的能力。在每個(gè)族群內(nèi)部，由族群內(nèi)優(yōu)秀個(gè)體指其它青蛙的捕食行為，實(shí)現(xiàn)整個(gè)族群的共同進(jìn)化。當(dāng)每個(gè)分散的族群進(jìn)化到一程度時(shí)，將每個(gè)族群混合，使得不同族群相互交流，直到滿足進(jìn)化停止條件。過(guò)不同族群間的混洗，使得每個(gè)蛙體感受不同的種族氛圍，接觸新思想，避免某個(gè)種族思想偏執(zhí)的影響，從而使得整個(gè)種群沿著正確的方向快速的尋找到物。ＳＦＬＡ的基本思想示意圖如圖２．３所示：逡逑

邐１／４邐１８．５逡逑圖３．４為針對(duì)函數(shù)／！0、／？，算法ＤＣＳＡ、ＢＳＦＬＡ、ＢＩＳＦＬＡ的收斂過(guò)程。逡逑１４０１邐邐邐＇邐＇邐■邐邐邐邋６００邋Ｉ邐１邐＇邐＇邐廧逡逑ｓ邋１００邐／邐．邐ａ；—逡逑ｔ邋ｓｏ邋／邐＞邐？邐１邐／ｙ逡逑＾邐＜邐ｃ邋３００邐／逡逑ｙ邋６０邋Ｉ邋Ｉ，邐邐；邐邋競(jìng)邐—？—ＢＩＳＦＬＡ逡逑｜邐／邋／邐—＾－ＢＩＳＦＬＡ邐＾邋２００邐／＾／邐ＢＳＦＬＡ逡逑４０邐ＢＳＦＬＡ邐Ｋｙ邐－邋＊邋－邋ＤＣＳＡ逡逑．邐－＊邋－邋ＤＣＳＡ邐１００邋Ｅ逡逑２Ｑ－／－？邐＇邐邋／邋■逡逑ＪＬ＿＿＾＿＿，，，邐＾＾＾＾＾＾逡逑０邐２邐４邐６邐８邐１０邐１２邐０邐３邐６邐９邐１２邐１５逡逑ｉｔｅｒａｔｉｏｎｓ邐ｉｔｅｒａｔｉｏｎｓ逡逑（ａ）邋／ｉ0邐（ｂ）邋ｆ＼＼逡逑圖３．４函數(shù)／ｌ（）、／？的收斂過(guò)程逡逑圖３．５、３．６為針對(duì)函數(shù)／１４、／１５，算法ＳＦＬＡ、ＢＳＦＬＡ、ＤＣＳＡ、ＢＩＳＦＬＡ的極值逡逑點(diǎn)分布圖。逡逑通過(guò)對(duì)表３．４以及圖３．４、３．５、３．６的分析可得：逡逑（ｌ）ＢＳＦＬＡ的求解精度遠(yuǎn)高于基本ＳＦＬＡ的求解精度，在峰值數(shù)方面非常接近逡逑或已達(dá)到理論值，使得ＢＳＦＬＡ在多峰尋優(yōu)中表現(xiàn)出了良好的尋優(yōu)性能，說(shuō)明雙向逡逑學(xué)習(xí)機(jī)制的有效性。逡逑⑵與ＢＳＦＬＡ相比

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李小平;方海燕;孫海峰;薛夢(mèng)凡;孫海建;;X射線脈沖星大尺度時(shí)間轉(zhuǎn)換模型研究[J];載人航天;2015年06期

2 金晶;王敏;黃良偉;賀亮;姜宇;;NPF算法在X射線脈沖星導(dǎo)航中的應(yīng)用研究[J];宇航學(xué)報(bào);2015年11期

3 潘翔;唐春暉;張仁杰;;基于混合蛙跳算法的移動(dòng)機(jī)器人路徑規(guī)劃[J];電子科技;2015年11期

4 陳霄;徐慨;楊海亮;;基于LMS自適應(yīng)濾波和希爾伯特差值的二次相關(guān)時(shí)延估計(jì)算法[J];指揮控制與仿真;2015年03期

5 王松;孫振忠;郭建文;張智聰;;基于混合蛙跳算法的復(fù)雜產(chǎn)品裝配序列規(guī)劃[J];計(jì)算機(jī)集成制造系統(tǒng);2014年12期

6 劉立群;王聯(lián)國(guó);火久元;韓俊英;劉成忠;;基于模糊閾值補(bǔ)償?shù)幕旌贤芴惴╗J];計(jì)算機(jī)工程;2014年05期

7 李建軍;郁濱;陳武平;;混合蛙跳算法的改進(jìn)與仿真[J];系統(tǒng)仿真學(xué)報(bào);2014年04期

8 王聯(lián)國(guó);龔亞星;;一種單種群混合蛙跳算法[J];計(jì)算機(jī)工程與科學(xué);2014年03期

9 紀(jì)昌明;李繼偉;張新明;張驗(yàn)科;;基于免疫蛙跳算法的梯級(jí)水庫(kù)群優(yōu)化調(diào)度[J];系統(tǒng)工程理論與實(shí)踐;2013年08期

10 孔凡光;何建華;唐奎;;基于改進(jìn)混合蛙跳算法的在軌服務(wù)飛行器任務(wù)分配[J];計(jì)算機(jī)測(cè)量與控制;2013年04期

相關(guān)博士學(xué)位論文 前1條

1 劉東;粒子群優(yōu)化算法及其工程應(yīng)用研究[D];西南交通大學(xué);2013年

本文編號(hào)：2741834