粒子群算法與蟻群算法是國內外學者研究的熱點,已經應用于經濟、工程等各個領域.粒子群算法和蟻群算法是求解復雜優(yōu)化問題的有效算法,但它們的性能存在不足,因此,本文對粒子群算法與蟻群算法進行改進研究,主要研究結果如下:（1）系統(tǒng)的介紹粒子群算法和蟻群算法的研究背景以及國內外研究現狀,簡單的介紹粒子群算法和蟻群算法.總結兩種算法的不足,提出相應的改進方法.（2）將精英策略思想和自適應動態(tài)Levy飛行步長引入到粒子群算法中,提出了一種新的算法（ELPSO）.并對改進的新算法（ELPSO）利用六個標準測試函數進行測試,與標準的PSO算法和權重線性遞減的粒子群算法（RWPSO）進行比較.結果表明ELPSO算法在求解精度和收斂速度方面顯著改善,并應用于求解物流選址問題.（3）將Tent混沌映射引入到基本離散粒子群算法中,同時,在算法中加入3-opt局部搜索算法,提出了改進的離散粒子群算法.進而用于解決TSP問題.結果表明,該算法的收斂速度和求解精度都優(yōu)于基本ACO算法.（4）將模擬退火機制和自適應混沌擾動應用于蟻群算法中,采用新的信息素更新算子.并將改進的蟻群算法應用于TSP問題和三維路徑規(guī)劃問題,結... 

【文章來源】：西安工程大學陜西省

【文章頁數】：53 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
        1.2.1 粒子群算法研究現狀
        1.2.2 蟻群算法研究現狀
    1.3 論文結構安排
2 粒子群算法與蟻群算法的研究基礎
    2.1 粒子群算法簡介
    2.2 蟻群算法簡介
    2.3 兩種算法的改進方法
        2.3.1 粒子群算法的改進方法
        2.3.2 蟻群算法的改進方法
3 粒子群算法的改進
    3.1 精英反向學習策略和Levy飛行
    3.2 基于精英策略和Levy飛行的粒子群算法(ELPSO)
        3.2.1 ELPSO算法思想及步驟
        3.2.2 仿真實驗及結果分析
    3.3 結束語
4 改進的離散粒子群算法
    4.1 離散粒子群算法
    4.2 基于花粉算法的混沌離散粒子群算法(AHPSO)
        4.2.1 花授粉算法
        4.2.2 Tent混沌序列
        4.2.3 AHPSO算法思想及步驟
    4.3 仿真實驗及結果分析
    4.4 結束語
5 蟻群算法的改進
    5.1 模擬退火算法及動態(tài)混沌擾動
        5.1.1 模擬退火算法
        5.1.2 動態(tài)混沌擾動
    5.2 基于自適應混沌擾動的模擬退火蟻群算法(APSAACO)
        5.2.1 APSAACO算法思想及步驟
        5.2.2 仿真試驗及結果分析
    5.3 結束語
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
作者攻讀學位期間發(fā)表學術論文清單
致謝


【參考文獻】：
期刊論文
[1]多任務處理協同進化粒子群算法[J]. 程美英,錢乾,倪志偉,朱旭輝.  模式識別與人工智能. 2018(04)
[2]一種基于種群多樣性的粒子群優(yōu)化算法設計及應用[J]. 韓紅桂,盧薇,喬俊飛.  信息與控制. 2017(06)
[3]基于融合多策略改進的多目標粒子群優(yōu)化算法[J]. 楊景明,侯新培,崔慧慧,呼子宇,穆曉偉.  控制與決策. 2018(02)
[4]帶時間窗車輛路徑問題的分布式多agent蟻群算法[J]. 金淳,張雨,王聰.  計算機應用研究. 2018(03)
[5]改進蟻群算法求解移動機器人路徑規(guī)劃[J]. 張成,凌有鑄,陳孟元.  電子測量與儀器學報. 2016(11)
[6]粒子群算法在工程優(yōu)化設計中的應用[J]. 包麗梅.  電子技術與軟件工程. 2016(17)
[7]基于自適應變異概率粒子群優(yōu)化算法的研究[J]. 黃松,田娜,紀志成.  系統(tǒng)仿真學報. 2016(04)
[8]基于信息素的自適應連續(xù)域混合蟻群算法[J]. 周裊,葛洪偉,蘇樹智.  計算機工程與應用. 2017(06)
[9]基于粒子群算法的決策樹SVM多分類方法研究[J]. 王道明,魯昌華,蔣薇薇,肖明霞,李必然.  電子測量與儀器學報. 2015(04)
[10]融合自適應混沌差分進化的粒子群優(yōu)化算法[J]. 劉召軍,高興寶.  紡織高�；A科學學報. 2015(01)

碩士論文
[1]基于GA的改進粒子群算法研究及其在TSP上的應用[D]. 劉煌.武漢理工大學 2010
[2]蟻群算法及其在TSP中的應用[D]. 黃茜.重慶大學 2008
[3]基于蟻群算法的多配送中心車輛調度問題的研究[D]. 辛達.合肥工業(yè)大學 2006



本文編號：3226934