發(fā)布時間：2020-11-08 13:06

　　 群體智能算法是解決復雜優(yōu)化問題的一種重要方式。該方法主要通過模擬自然界中的某些生物行為,在可行解空間通過逐步迭代的方式得出待優(yōu)化問題的結(jié)果。相比梯度下降等傳統(tǒng)優(yōu)化算法,群體智能優(yōu)化算法具有較強的魯棒性,在實際應用中也十分容易實現(xiàn)。群體智能算法為解決復雜的參數(shù)優(yōu)化問題提供了新的思路,受到了相關(guān)學者的廣泛關(guān)注并成功解決了許多優(yōu)化難題。果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,FOA)是近年來提出的一種新型群體智能算法,有著計算量低,收斂速度快,流程簡單的特點。目前果蠅優(yōu)化算法已經(jīng)在科研和生產(chǎn)領(lǐng)域中得到了較為廣泛的應用,然而在實際算法應用中FOA也存在著容易陷入局部最優(yōu),不能完整遍歷可行域,搜索方式不靈活等問題,這些缺陷限制了FOA的應用范圍,成為FOA算法研究中亟待解決的問題。本文通過研究FOA算法的尋優(yōu)過程,針對FOA的缺陷提出了一種引入牽引機制的果蠅優(yōu)化算法(Traction Fruit Fly Optimization Algorithm,TFOA),并對TFOA分別在離散和連續(xù)兩種環(huán)境下進行了尋優(yōu)能力測試,以驗證算法的優(yōu)化能力。同時,利用果蠅優(yōu)化算法計算量低,尋優(yōu)速度快的特點將改進之后的果蠅優(yōu)化算法應用于無線傳感器網(wǎng)絡節(jié)點定位問題的研究,拓展了果蠅優(yōu)化算法在無線傳感器網(wǎng)絡領(lǐng)域的應用范圍。實驗證明,相比傳統(tǒng)定位算法,結(jié)合TFOA的定位算法定位精度更高,抗測距誤差能力更強,相比粒子群算法和遺傳算法,本文的定位算法收斂速度較快,定位效果更好。本文研究的主要內(nèi)容總結(jié)如下。(1)從理論上證明了果蠅優(yōu)化算法的缺陷并對算法的收斂性進行了詳細的數(shù)學分析。針對FOA的缺陷在原始算法的基礎(chǔ)上引入了牽引機制和新的搜索半徑計算方式,解決了原有算法不能遍歷實數(shù)域、容易陷入局部最優(yōu)的問題。(2)為了驗證算法改進之后的性能,首先將本文算法與四種改進的果蠅優(yōu)化算法對12個標準測試函數(shù)進行極值求解以驗證算法在連續(xù)環(huán)境下的尋優(yōu)能力,然后通過對Web服務組合問題進行優(yōu)化,進一步驗證TFOA在離散環(huán)境下的有效性。(3)使用TFOA對無線傳感器網(wǎng)絡環(huán)境下的節(jié)點定位問題進行研究。通過將無線傳感器網(wǎng)絡節(jié)點定位問題轉(zhuǎn)化為算法約束優(yōu)化問題后,使用TFOA結(jié)合質(zhì)心定位算法和最優(yōu)解震蕩策略對無線傳感器網(wǎng)絡節(jié)點進行定位,并在仿真環(huán)境下和傳統(tǒng)基于測距的節(jié)點定位算法,粒子群算法以及遺傳算法進行了對比實驗,以驗證本文算法的定位效果。
【學位單位】：安徽大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP18
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容與組織結(jié)構(gòu)
第二章 果蠅優(yōu)化算法的研究
    2.1 群體智能算法綜述
    2.2 果蠅優(yōu)化算法
        2.2.1 算法原理與實現(xiàn)
        2.2.2 算法的理論分析
    2.3 果蠅優(yōu)化算法與其他智能算法的比較
    2.4 果蠅優(yōu)化算法的改進方向
        2.4.1 參數(shù)改進
        2.4.2 尋優(yōu)策略改進
    2.5 本章小結(jié)
第三章 引入牽引機制的果蠅優(yōu)化算法
    3.1 牽引種群產(chǎn)生算法
    3.2 動態(tài)搜索半徑
    3.3 TFOA算法流程
    3.4 TFOA算法時間復雜度分析
    3.5 實驗與分析
        3.5.1 TFOA在連續(xù)環(huán)境下的尋優(yōu)性能測試
        3.5.2 TFOA在離散環(huán)境下的尋優(yōu)性能測試
        3.5.3 實驗結(jié)果分析總結(jié)
    3.6 本章小結(jié)
第四章 TFOA在WSN節(jié)點定位中的應用研究
    4.1 WSN節(jié)點定位方法綜述
        4.1.1 基于測距的定位算法
        4.1.2 基于非測距的定位算法
        4.1.3 新型智能定位算法
    4.2 算法建模
    4.3 TFOA算法求解WSN節(jié)點定位問題步驟
    4.4 實驗設(shè)計與結(jié)果分析
        4.4.1 實驗環(huán)境及參數(shù)設(shè)置
        4.4.2 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來展望
參考文獻
附錄A: 圖索引
Appendix A: Figure Index
附錄B: 表索引
Appendix B: Table Index
致謝
攻讀碩士學位期間的科研成果

【相似文獻】

相關(guān)期刊論文 前10條

1 楊彥紅;;算法分析與設(shè)計(雙語)課程實踐教學模式探索[J];中國管理信息化;2017年19期

2 李紹靜;許海洋;呂建波;;應用型人才培養(yǎng)中《算法分析與設(shè)計》課程教學方法研究[J];科技資訊;2017年04期

3 劉子旋;;中國古代算法的探究與模型建立[J];中華少年;2017年04期

4 曹千秋;;求離散點最小包圍圓在算法初步教學中的案例分析[J];中華少年;2017年11期

5 郭亞玲;;算法初步的幾個著力點[J];高中生學習(試題研究);2017年09期

6 楊波;肖自碧;;信息與計算科學專業(yè)“算法分析與設(shè)計”研究性教學探索[J];中國電力教育;2013年01期

7 鄭大偉;董大南;;自回歸譜估計的Marple算法及其在天文資料分析中的應用[J];天文學報;1987年04期

8 鄭卓嘉,吳佑壽,李叔梁;計算機三維逼真圖形顯示的一種改進算法[J];計算機學報;1988年01期

9 廖先湜;趙先銘;張赤紅;;分布式計算機系統(tǒng)容錯互斥算法[J];計算機研究與發(fā)展;1988年07期

10 李玉忱;徐恭學;;特殊數(shù)據(jù)的排序方法[J];山東工業(yè)大學學報;1988年03期

相關(guān)博士學位論文 前10條

1 謝剛;免疫思維進化算法及其工程應用[D];太原理工大學;2006年

2 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學;2006年

3 陳耿;面向中觀審計的規(guī)則發(fā)現(xiàn)算法研究[D];東南大學;2005年

4 李寧;粒子群優(yōu)化算法的理論分析與應用研究[D];華中科技大學;2006年

5 黃訓誠;基于蟻群算法的超大規(guī)模集成電路布線研究[D];西安電子科技大學;2007年

6 王文東;結(jié)構(gòu)化稀疏數(shù)據(jù)重構(gòu)的若干理論及算法研究[D];西南大學;2017年

7 徐為;基于熵理論的混沌序列復雜度算法研究[D];黑龍江大學;2017年

8 杜世強;基于維數(shù)約簡的無監(jiān)督聚類算法研究[D];蘭州大學;2017年

9 邢艷;復雜網(wǎng)絡中重疊社區(qū)發(fā)現(xiàn)方法研究[D];中國礦業(yè)大學;2017年

10 李敬明;螢火蟲群智能優(yōu)化算法及其應用研究[D];合肥工業(yè)大學;2017年

相關(guān)碩士學位論文 前10條

1 常淮陽;基于改進蟻群算法的移動機器人路徑規(guī)劃問題研究[D];長春工業(yè)大學;2018年

2 張飛凡;應用IMU在床檢測心率算法研究[D];電子科技大學;2018年

3 丁國紳;基于群體協(xié)作的改進果蠅優(yōu)化算法及應用[D];安徽大學;2018年

4 柯冰清;保留方向信息的在線軌跡壓縮算法研究[D];電子科技大學;2018年

5 張健;引入牽引機制的果蠅優(yōu)化算法及其應用研究[D];安徽大學;2018年

6 厲偉;基于聚類的復雜網(wǎng)絡中社團發(fā)現(xiàn)的算法[D];哈爾濱工程大學;2015年

7 張杰;基于龍芯3B平臺的FFT算法向量化研究[D];中國科學技術(shù)大學;2014年

8 高兵兵;時態(tài)社會網(wǎng)絡社團發(fā)現(xiàn)算法研究[D];哈爾濱工程大學;2015年

9 溫春暉;網(wǎng)絡擁塞控制中的自適應RED算法研究[D];江西理工大學;2018年

10 王旭;基于貪心策略的混合遺傳蟻群算法研究與應用[D];湖南大學;2017年

本文編號：2874829