本文關(guān)鍵詞：動態(tài)搜索煙花算法的研究與應(yīng)用　出處：《安徽大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 最優(yōu)化問題 智能優(yōu)化算法 動態(tài)搜索煙花算法 學(xué)習(xí)因子 特征選擇

【摘要】：在工程設(shè)計、科學(xué)研究和軍事管理等眾多領(lǐng)域中常常都會涉及到很多的最優(yōu)化問題,最優(yōu)化問題在人們的日常生產(chǎn)生活實踐中也幾乎無處不在,如物流方面、家庭理財方面等等。從通俗意義上來講最優(yōu)化問題是指在眾多可行的方案中尋找出滿足特定要求的最好的方案。為了解決這類問題,學(xué)者們研究出了各種不同的優(yōu)化方法,如牛頓法、最小二乘法、梯度下降法和拉格朗日乘數(shù)法等等。但是隨著生產(chǎn)技術(shù)的發(fā)展和人類實踐活動的增多,人們在實際生活中遇到的很多優(yōu)化問題越來越來復(fù)雜,如強約束性、多極化等等,早期的傳統(tǒng)優(yōu)化方法已經(jīng)無法滿足需求了。因此,尋找面向復(fù)雜優(yōu)化問題且具有智能特性的新型優(yōu)化方法成為一種迫切需要。在20世紀50年代中期,人們從社會性動物的群體行為中得到啟發(fā),成功地提出了很多用于解決一些復(fù)雜的優(yōu)化問題的隨機型優(yōu)化算法,如粒子群算法、遺傳算法、蜂群算法等。而且這些群智能優(yōu)化算法在解決復(fù)雜的優(yōu)化問題時表現(xiàn)出很大的潛力,具有很強的適應(yīng)性和魯棒性等等。煙花算法(Fireworks Algorithm,FWA)是近幾年發(fā)展起來的一種新興的全局優(yōu)化群智能算法。該算法是由譚營教授等人在2010年提出的,其主要思想來源于夜空中煙花爆炸產(chǎn)生火花這一自然現(xiàn)象的模擬。由于煙花算法優(yōu)點明顯,收斂速度快,容易實現(xiàn)還具有爆發(fā)性、多樣性、簡單性和隨機性等特點,逐漸受到國內(nèi)外眾多研究者的廣泛關(guān)注,也成為近年來的一個熱門研究方向。煙花算法不僅用于解決優(yōu)化問題,在實際工程中的應(yīng)用也表現(xiàn)出強大的潛力,目前已經(jīng)被應(yīng)用于圖像分割、旅行商問題、0/1背包問題、配電網(wǎng)重構(gòu)優(yōu)化和濾波器設(shè)計等眾多領(lǐng)域中。但現(xiàn)階段對煙花算法的研究和應(yīng)用還是很初步的,在有些方面還很膚淺,如子煙花間的交互機制的研究、動態(tài)優(yōu)化問題的求解等,另外,煙花算法還存在一些不足,如尋優(yōu)精度較低且容易陷入局部最優(yōu)。因此,對煙花算法的改進和應(yīng)用領(lǐng)域的拓展成了一個研究熱點。首先,本文對煙花算法的一種改進算法即動態(tài)搜索煙花算法(Dynamic Search Fireworks Algorithm,dynFWA)的進化方式進行了研究分析,對算法進行了改進,提出了 一種具有學(xué)習(xí)因子和自適應(yīng)趨向性的動態(tài)搜索煙花算法,稱為改進的動態(tài)搜索煙花算法(Improved Dynamic Search Fireworks Algorithm,IdynFWA)。改進算法中的學(xué)習(xí)因子充分利用搜索過程中歷史成功信息,使得煙花個體能夠向群體中的"優(yōu)良"搜索信息學(xué)習(xí),從而可以自適應(yīng)調(diào)整大小,并且學(xué)習(xí)因子的兩種不同產(chǎn)生方式有助于平衡算法的局部搜索和全局搜索能力。為了證明本文所提出的改進算法的優(yōu)化特性和有效性,文中對改進算法、基本算法以及其他代表性算法進行了一組優(yōu)化問題的國際標準測試函數(shù)的實驗仿真,并對實驗結(jié)果進行對比分析,結(jié)果表明改進的動態(tài)搜索煙花算法在一定程度上避免了基本算法的容易早熟收斂的缺陷,并且尋優(yōu)精度也有所提高。其次,通過將動態(tài)搜索煙花算法應(yīng)用到特征選擇(也稱為特征提取)的子集生成過程中,提出了基于動態(tài)搜索煙花算法的特征選擇方法。特征選擇是指從一個完整的原始數(shù)據(jù)特征集合中選擇出最優(yōu)特征子集的過程,并且通過特定的評價標準去評估所選特征子集的優(yōu)劣性。特征選擇在機器學(xué)習(xí)、模式識別和數(shù)據(jù)挖掘等諸多領(lǐng)域中有著很廣泛的應(yīng)用,其也是影響分類器分類效果的關(guān)鍵問題之一。該方法在子集生成階段結(jié)束時產(chǎn)生的最終可行解的每一維是0/1整數(shù)編碼,0和1代表其所對應(yīng)特征是否被選擇。接著,用分類錯誤率作為適應(yīng)度函數(shù)來評估所選特征子集的優(yōu)劣,適應(yīng)度函數(shù)值越小即分類錯誤率越小,說明當前所選的特征子集越好。因此,選取最優(yōu)特征子集就是尋找使適應(yīng)度函數(shù)(分類錯誤率)取得最小值的可行解。文中將該方法與其他特征選擇方法進行了一系列對比實驗,結(jié)果表明基于動態(tài)搜索煙花算法的特征選擇方法能有效地移除不相關(guān)特征,提高分類準確率。
[Abstract]:In order to solve these problems , many optimization problems such as Newton ' s method , least square method , gradient descent method and Lagrange multiplier method have been developed . In this paper , the evolution of dynFWA is studied , and the algorithm is improved . A dynamic search firework based on learning factor and adaptive tropism is proposed , which is called improved Dynamic Search Fireworks Algorithm ( IdynFWA ) . In order to prove the optimization characteristics and effectiveness of the improved algorithm proposed in this paper , the paper presents an improved algorithm , basic algorithm and other representative algorithms .

【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP18

【參考文獻】

相關(guān)期刊論文 前5條

1 謝承旺;許雷;趙懷瑞;夏學(xué)文;魏波;;應(yīng)用精英反向?qū)W習(xí)的多目標煙花爆炸算法[J];電子學(xué)報;2016年05期

2 李雪源;崔穎;;基于二進制編碼的煙花聚類算法[J];應(yīng)用科技;2016年01期

3 包曉曉;葉春明;黃霞;;煙花算法求解JSP問題的研究[J];計算機工程與應(yīng)用;2017年03期

4 杜振鑫;;煙花算法求解非線性方程組[J];現(xiàn)代計算機(專業(yè)版);2013年04期

5 張家琴;;求解0/1背包問題的煙花算法研究[J];武漢工程職業(yè)技術(shù)學(xué)院學(xué)報;2011年03期

，

本文編號：1363785