優(yōu)化問題是科學(xué)研究和工程實踐領(lǐng)域中的熱門問題。經(jīng)過近幾十年的發(fā)展,群體智能優(yōu)化算法以其簡單、靈活、高效等特點,已成為解決全局優(yōu)化問題的主要技術(shù)。經(jīng)典的群智能優(yōu)化算法有粒子群算法（PSO）和蟻群算法（ACO）。一方面,這些算法主要是在搜索過程中引入了隨機(jī)性,能夠有效的避免陷入局部解。另一方面,大多數(shù)需要優(yōu)化的實際工程問題都伴隨著大量的局部解。因此,采用群智能優(yōu)化算法來獲得全局優(yōu)化問題中的最優(yōu)解具有重要的現(xiàn)實意義。本文基于麻雀種群中的覓食行為和反捕食行為提出一種新型的群智能優(yōu)化技術(shù):麻雀搜索算法（Sparrow Search Algorithm,SSA）,并將該算法成功應(yīng)用在三維無人機(jī)航跡優(yōu)化問題上。本文主要研究工作如下:（1）為了解決傳統(tǒng)優(yōu)化算法易陷入局部最優(yōu)等問題,提出麻雀搜索算法。具體地,我們根據(jù)麻雀的覓食行為和反捕食行為制定出相應(yīng)的規(guī)則,然后,根據(jù)這些規(guī)則構(gòu)建出相對應(yīng)的數(shù)學(xué)模型,提出在搜索空間中具有全局探索與局部開發(fā)能力的算法。（2）本文設(shè)計了三組仿真實驗用以驗證麻雀搜索算法的性能。在第一組仿真實驗中,對七種單峰測試函數(shù)進(jìn)行優(yōu)化,驗證算法的收斂速度和局部開發(fā)能力;第二組實驗是對五種... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

四種算法在單峰測試函數(shù)上的收斂曲線

一種新型的群智能優(yōu)化技術(shù)的研究與應(yīng)用：麻雀搜索算法圖4-3四種算法在固定維度測試函數(shù)上的收斂曲線4.2.4結(jié)果分析在對三組測試實驗結(jié)果分析之前，我們又選取了五種測試函數(shù)，分別為：Michalewicz函數(shù)，Drop-Wave函數(shù)，Rastrigin函數(shù)，Ackley函數(shù)和Damavandi函數(shù)。這些測試函數(shù)的維數(shù)都為2，對其進(jìn)行尋優(yōu)進(jìn)而可得到麻雀種群的運動軌跡。標(biāo)注紅框的是全局最優(yōu)值處，我們可以清楚地看到，在圖4-4中，大多數(shù)麻雀都能28

一種新型的群智能優(yōu)化技術(shù)的研究與應(yīng)用：麻雀搜索算法夠聚集到全局最優(yōu)值或其附近。但對于圖4-5中Damavandi函數(shù)的優(yōu)化是非常困難的也是極具挑戰(zhàn)性的，可看出麻雀搜索算法對該函數(shù)進(jìn)行優(yōu)化時在局部最小值處進(jìn)行了聚集也就是大部分麻雀陷入了局部最優(yōu)，但仍有部分麻雀能夠跳出局部最小值，向全局最優(yōu)點(2,2)處移動。圖4-4麻雀搜索算法在(a)Michalewicz函數(shù)、(b)Drop-Wave函數(shù)、(c)Rastrigin函數(shù)上的運動軌跡圖4-5麻雀搜索算法在(a)Ackley函數(shù)、(b)Damavandi函數(shù)上的運動軌跡(i)單峰測試函數(shù)1)收斂精度分析：如表4-4所示，SSA對測試函數(shù)F1–F4都尋找到了最優(yōu)值。雖然SSA在測試函數(shù)F5上沒有尋找到最優(yōu)解，但是也明顯優(yōu)于PSO、GWO、29

【參考文獻(xiàn)】：
碩士論文
[1]無人機(jī)航路規(guī)劃技術(shù)研究[D]. 楊力.南京航空航天大學(xué) 2009



本文編號：3002600