【摘要】：人工魚群算法是一種新興的元啟發(fā)式仿生群集智能優(yōu)化算法,是通過模擬魚類群體的相互社會行為,實現(xiàn)群集智能的一種優(yōu)化算法。首先對優(yōu)化問題的歷史和發(fā)展歷程進行了總結(jié),在此基礎上回顧了主要智能優(yōu)化方法的起源及其發(fā)展現(xiàn)狀。在介紹熱點優(yōu)化技術的發(fā)展歷程、研究現(xiàn)狀的基礎上,分析了人工魚群算法的模型和人工魚的行為方式,在此基礎上對算法的主要參數(shù)作用機理及其影響進行了分析,根據(jù)實驗結(jié)果總結(jié)出了人工魚群算法參數(shù)的作用效果及其特性,得出了設置算法參數(shù)的一般方法與規(guī)律。在智能算法統(tǒng)一框架理論下描述了人工魚群算法,并分析了其收斂性。針對基本人工魚群算法的視野和步長在算法不同階段要求不同的矛盾,設計出一種分段自適應函數(shù)系數(shù)法對人工魚視野和步長進行自適應改進。分別設計了冪函數(shù)型、線性函數(shù)型以及指數(shù)函數(shù)型三種分段自適應函數(shù),作為人工魚視野和步長的分段自適應系數(shù)。冪函數(shù)型衰減函數(shù)具有最快的衰減速度,能使視野和步長進行快速衰減,主要應用于局部最優(yōu)不突出的優(yōu)化問題。線性函數(shù)型衰減函數(shù)的衰減速度最慢,且衰減過程均勻,主要用于局部極值突出的優(yōu)化問題。指數(shù)函數(shù)型衰減函數(shù)的衰減效果介于冪函數(shù)型和線性函數(shù)型之間。采用分段自適應函數(shù)系數(shù)法后,人工魚群算法參數(shù)魯棒性得到了極大提高,且算法復雜度沒有提高。針對基本人工魚群算法最優(yōu)解精度不高,人工魚個體分散,算法后期收斂效率下降的問題,根據(jù)生物進化思想提出了基于進化策略的人工魚群算法。根據(jù)對生物進化過程中的無性生殖和有性生殖方式的模擬,分別提出了模擬無性生殖的淘汰與克隆機制和模擬有性生殖的權值可調(diào)重組法對基本魚群算法進行改進。淘汰與克隆機制通過淘汰適應度低的個體,克隆高適應度個體,實現(xiàn)了人工魚種群整體適應度的提高。權值可調(diào)重組法實現(xiàn)人工魚個體的有性生殖。通過權值可調(diào)重組法生成子代魚群,父代個體選擇的不確定性,使子代魚群保持了更多的特性,在提高種群整體適應度的基礎上又保證了群體多樣性,其效果優(yōu)于淘汰與克隆機制。針對單一改進方法效果有限的問題,進行混合人工魚群算法的研究。提出了一種新的人工魚跳躍行為,擴展人工魚的行為方式,克服了局部極值突出的問題。將分段自適應函數(shù)法與淘汰與克隆機制相融合,形成了帶有淘汰與克隆機制的分段自適應魚群算法。鑒于淘汰與克隆機制存在的局限性,研究了基于有性生殖的分段自適應混合魚群算法,該混合算法同樣具有良好的性能。研究了基于粒子群算法的混合人工魚群算法,為其他智能算法與魚群算法的融合提供了借鑒。最后將人工魚群算法應用到機器人路徑規(guī)劃研究中,采用一種參考點坐標降維方式對人工魚進行編碼,簡化了人工魚個體的編碼方式,降低了算法復雜度。將不同安全閾值下的路徑長度和碰撞概率提供給決策者,決策者可依據(jù)實際情況進行平衡選擇。
[Abstract]:......
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 曲良東;何登旭;;改進的人工魚群算法及其在近似求導中的應用[J];微電子學與計算機;2009年05期

2 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計算機系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進的人工魚群算法[J];信息技術與信息化;2010年03期

4 韋修喜;曾海文;周永權;;云人工魚群算法[J];計算機工程與應用;2010年22期

5 曾蒙迪;;人工魚群算法的簡介及應用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學學報(自然科學版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學學報(自然科學版);2012年12期

8 王波;;基于細胞膜優(yōu)化的人工魚群算法研究[J];科技通報;2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學院學報;2013年04期

10 李曉磊,薛云燦,路飛,田國會;基于人工魚群算法的參數(shù)估計方法[J];山東大學學報(工學版);2004年03期

相關會議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應用[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡[A];第十屆全國電工數(shù)學學術年會論文集[C];2005年

相關博士學位論文 前4條

1 王聯(lián)國;人工魚群算法及其應用研究[D];蘭州理工大學;2009年

2 姚正華;改進人工魚群智能優(yōu)化算法及其應用研究[D];中國礦業(yè)大學;2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學;2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進及應用研究[D];大連理工大學;2008年

相關碩士學位論文 前10條

1 陳斐;改進的人工魚群算法分析與研究[D];西安電子科技大學;2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進的研究[D];青島理工大學;2015年

3 馬堯;基于改進的人工魚群算法在商旅問題中的應用研究[D];西南交通大學;2015年

4 薛亞娣;改進的人工魚群算法及其應用研究[D];蘭州大學;2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術研究[D];沈陽理工大學;2015年

6 崔淑慧;三維管路自動敷設算法及干涉校驗方法研究[D];哈爾濱工業(yè)大學;2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應用[D];華北電力大學;2015年

8 劉翔;基于改進人工魚群算法的化工過程優(yōu)化[D];北京化工大學;2015年

9 喻俊松;基于改進人工魚群算法無人機航跡規(guī)劃研究[D];南昌航空大學;2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學;2015年

，

本文編號：2291389