優(yōu)化是許多科學和工學范疇中的一個重要研究領域。目前,用于解決該類問題的方法有很多種,人工蜂群算法（Artificial Bee Colony,ABC）是其中之一。該算法是一種新型的群智能優(yōu)化算法,于2005年由土耳其著名專家Karaboga研究發(fā)明。由于開采與開發(fā)并行、控制參數(shù)少、實現(xiàn)簡單、易于理解等優(yōu)點,而被廣泛關注。與粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）、蟻群算法（Ant Colony Optimization,ACO）等其他群智能優(yōu)化算法相比,人工蜂群算法已被證明性能更優(yōu)良,是一種具有競爭力的方法。但是,該算法仍然存在局部搜索能力弱、易早熟、解質量有待提高等問題。文中在深入理解人工蜂群算法原理以及對現(xiàn)有改進方案分析的基礎上,針對以上不足展開后續(xù)內容,對基本的人工蜂群算法進行改進,用于解決單目標優(yōu)化問題和多目標優(yōu)化問題,并應用在環(huán)境經(jīng)濟調度問題（Environment/Economic Dispatch Problem,EED）中。論文的主要研究工作概括如下:1)提出一種增強局部搜索能力的單目標人工蜂群優(yōu)化算法。該算法首先在種群初始化階段... 

【文章來源】：華僑大學福建省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景及課題意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 單目標人工蜂群優(yōu)化算法的研究現(xiàn)狀
        1.2.2 多目標人工蜂群優(yōu)化算法的研究現(xiàn)狀
        1.2.3 環(huán)境經(jīng)濟調度問題的研究現(xiàn)狀
    1.3 本文主要研究內容
    1.4 本文結構安排
第2章 基本人工蜂群算法概述
    2.1 人工蜂群算法基本行為描述
    2.2 人工蜂群算法基本原理及流程
        2.2.1 初始化階段
        2.2.2 采蜜蜂階段
        2.2.3 觀察蜂階段
        2.2.4 偵查蜂階段
        2.2.5 算法流程
    2.3 本章小結
第3章 增強局部搜索能力的單目標人工蜂群優(yōu)化算法
    3.1 引言
    3.2 算法描述
        3.2.1 混沌初始化策略
        3.2.2 新的搜索方程
        3.2.3 學習概率L
        3.2.4 算法步驟
    3.3 實驗仿真與結果分析
        3.3.1 測試函數(shù)和參數(shù)設置
        3.3.2 參數(shù)L的影響
        3.3.3 實驗結果分析
    3.4 本章小結
第4章 平衡搜索能力的單目標人工蜂群優(yōu)化算法
    4.1 引言
    4.2 算法描述
        4.2.1 廣義反向學習策略
        4.2.2 搜索機制改進
        4.2.3 算法步驟
    4.3 實驗仿真與結果分析
        4.3.1 測試函數(shù)
        4.3.2 與基本ABC的實驗比較
        4.3.3 與ABC變體的實驗比較
    4.4 本章小結
第5章 多目標人工蜂群優(yōu)化算法改進及應用
    5.1 MOP相關理論
        5.1.1 MOP問題描述
        5.1.2 Pareto相關定義
    5.2 EED問題的數(shù)學模型
        5.2.1 目標函數(shù)
        5.2.2 約束條件
        5.2.3 優(yōu)化問題
        5.2.4 優(yōu)化目標
    5.3 算法描述
        5.3.1 分解方法
        5.3.2 種群搜索策略
        5.3.3 外部檔案策略
        5.3.4 約束處理方法
    5.4 實驗仿真與結果分析
        5.4.1 測試函數(shù)和參數(shù)設置
        5.4.2 算法評價指標
        5.4.3 在測試函數(shù)的實驗結果
        5.4.4 在EED實驗結果分析
    5.5 本章小結
第6章 總結與展望
    6.1 研究工作總結
    6.2 未來的工作展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術論文及研究成果


【參考文獻】：
期刊論文
[1]一種用于多目標約束優(yōu)化的改進進化算法[J]. 俞國燕,李鵬,何真,孫延明.  計算機集成制造系統(tǒng). 2009(06)
[2]進化多目標優(yōu)化算法研究[J]. 公茂果,焦李成,楊咚咚,馬文萍.  軟件學報. 2009(02)

博士論文
[1]電力系統(tǒng)環(huán)境經(jīng)濟優(yōu)化調度研究[D]. 朱永勝.鄭州大學 2016
[2]復雜問題的多目標進化優(yōu)化算法研究[D]. 王晗丁.西安電子科技大學 2015
[3]電力系統(tǒng)非平滑和多目標經(jīng)濟調度優(yōu)化方法研究[D]. 詹俊鵬.浙江大學 2014

碩士論文
[1]基于人工蜂群算法的多目標問題優(yōu)化[D]. 劉奇奇.深圳大學 2016



本文編號：3196827