本文關鍵詞：人工蜂群算法的改進研究

  更多相關文章： 人工蜂群算法 Nelder-Mead單純形法 擾動機制 偵查蜂

【摘要】：仿生智能計算是一類模擬自然界生物、生態(tài)等系統(tǒng)中“優(yōu)勝劣汰”行為的模型和算法，具有自適應、自組織、自學習等特點，能夠解決傳統(tǒng)計算方法難于解決的各種復雜問題。仿生智能計算在解決許多復雜優(yōu)化問題方面已經展現(xiàn)出其優(yōu)異的性能和巨大的發(fā)展?jié)摿�，近幾年吸引了國內外許多學者對其進行了多方面的研究工作。 人工蜂群算法是由土耳其學者Karaboga提出的一種模擬蜜蜂群體尋找優(yōu)良蜜源的仿生智能計算方法，該算法提出至今才9年。人工蜂群算法優(yōu)點明顯,如原理簡單、控制參數(shù)較少、容易實現(xiàn)，還具有很高的收斂速度，且己被證明是一種優(yōu)秀的全局優(yōu)化算法,因此受到很多的國內外學者關注。但是，，目前的人工蜂群算法的研究和應用還處于初級階段，還存在一些不足,如易早熟收斂,進化后期尋優(yōu)速度慢等。 針對人工蜂群算法的不足,本文在對人工蜂群算法的原理、模型和信息共享機制進行深入探討的基礎上對人工蜂群算法進行改進,提出了兩種改進算法,實驗結果表明改進算法達到了預期效果。論文的主要貢獻如下: 首先，人工蜂群算法中的偵察蜂階段的搜索操作在一定程度上可以解決算法陷入局部最優(yōu)的問題，但也和其他啟發(fā)式優(yōu)化算法一樣，存在著局部搜索能力差，在接近最優(yōu)解時搜索效率下降，以及求解復雜問題時可能陷入局部最優(yōu)而使算法停滯等缺陷。為了改善此缺陷，本文采用NM算法來取代人工蜂群算法偵察蜂階段的隨機產生個體機制，提出了一種基于NM算法的改進人工蜂群算法(NMABC)。希望基于NM算法優(yōu)異的局部搜尋能力，改善人工蜂群算法局部搜索能力較差之缺陷并提高搜索效率。 其次，考慮到NM算法反復搜尋的機制可能導致搜尋時間增加，因此本文另外引入PT擾動機制取代NM算法，提出了一種基于PT擾動機制的改進人工蜂群算法(PTABC)。希望達到降低適應值計算次數(shù)，在避免陷入局部最優(yōu)的情況下，提高算法的進化速度,從而較好地達到了全局尋優(yōu)和局部尋優(yōu)的平衡。 最后，對本文提出的人工蜂群算法進行仿真實驗。實驗結果表明，本文提出的兩個改進算法在一定程度上避免了基本人工蜂群算法易陷入局部最優(yōu)和早熟的缺陷。
【關鍵詞】：人工蜂群算法 Nelder-Mead單純形法 擾動機制 偵查蜂
【學位授予單位】：廣西師范學院
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP18
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 第一章 緒論9-16
• 1.1 課題研究的背景及意義9-10
• 1.2 人工蜂群算法（ABC）國內外研究現(xiàn)狀10-11
• 1.3 群體智能算法11-12
• 1.4 常見的群體智能算法12-15
• 1.4.1 遺傳算法12-13
• 1.4.2 微粒子群算法13
• 1.4.3 和聲搜索算法13-14
• 1.4.4 人工蜂群算法14
• 1.4.5 差分進化算法14-15
• 1.5 本文的主要工作及內容安排15-16
• 第二章 人工蜂群算法的相關理論知識16-28
• 2.1 人工蜂群算法的起源16
• 2.2 人工蜂群算法的基本概念16-19
• 2.3 基本人工蜂群算法的數(shù)學模型19-21
• 2.4 基本人工蜂群算法的理論分析21-23
• 2.5 基本人工蜂群算法框架23-27
• 2.5.1 基本人工蜂群算法的基本模式23-24
• 2.5.2 基本人工蜂群算法程序流程24-27
• 2.6 本章小結27-28
• 第三章 基于單純形法的人工蜂群算法(NMABC)28-38
• 3.1 Nelder-Mead 單純形法28-31
• 3.1.1 引言28-30
• 3.1.2 Nelder-Mead 單純形法算法程序流程30-31
• 3.2 基于單純形法的人工蜂群算法(NMABC)31-37
• 3.2.1 NMABC 的設計思路31-34
• 3.2.2 NMABC 的算法流程34-37
• 3.3 本章小結37-38
• 第四章 基于擾動機制的人工蜂群算法(PTABC)38-59
• 4.0 差分進化算法38-41
• 4.0.1 差分進化算法簡介38-39
• 4.0.2 差分進化算法基本原理39
• 4.0.3 差分進化算法算法流程39-41
• 4.1 擾動機制(Perturbation,PT)41-43
• 4.2 基于擾動機制的人工蜂群算法(PTABC)43-46
• 4.2.1 PTABC 的設計思路43
• 4.2.2 PTABC 的算法流程43-46
• 4.3 實驗結果與分析46-58
• 4.3.1 實驗中的算法參數(shù)設置46
• 4.3.2 測試函數(shù)的選取46-47
• 4.3.3 無約束測試函數(shù)的實驗結果與分析47-52
• 4.3.4 約束測試函數(shù)的實驗結果與分析52-58
• 4.4 本章小結58-59
• 第五章 總結與展望59-61
• 5.1 結論與建議59
• 5.2 未O喲芯糠較
  
  本文編號：954099
  suoshi