發(fā)布時間：2020-11-16 06:49

　　 近年來,許多群智能優(yōu)化算法已經(jīng)被發(fā)現(xiàn)和改進(jìn),并成功應(yīng)用于各種數(shù)值和組合優(yōu)化問題中,例如,差分進(jìn)化算法、粒子群優(yōu)化算法、蝙蝠算法和狼群算法。由于群智能優(yōu)化算法可以在合理的時間內(nèi)為非線性、高維復(fù)雜、NP難問題能提供可接受的解決方案,因此它的普及性將會繼續(xù)增加。雞群優(yōu)化算法是在2014年提出的一種新的群智能優(yōu)化算法,該算法具有強(qiáng)的全局搜索能力、自適應(yīng)能力和多子群協(xié)作搜索能力等優(yōu)點(diǎn),被廣泛用于解決各種優(yōu)化問題。本文針對雞群優(yōu)化算法的改進(jìn)和應(yīng)用進(jìn)行了如下研究:(1)針對基本雞群算法在求解高維優(yōu)化問題時過早收斂于局部最優(yōu)和收斂速度慢等問題,提出了一種耗散結(jié)構(gòu)和差分變異混合的雞群算法。該算法通過將耗散結(jié)構(gòu)引入到雄雞位置更新公式中,擴(kuò)大了雞群算法的搜索空間,增強(qiáng)算法的全局搜索能力;同時,對隨機(jī)選擇的部分個體進(jìn)行差分變異操作,抑制種群多樣性的迅速衰減,增強(qiáng)算法的收斂性能。通過從收斂速度、求解精度和穩(wěn)定性三方面對改進(jìn)的算法與其他算法進(jìn)行仿真分析,優(yōu)化對象為18個典型測試函數(shù),實(shí)驗(yàn)結(jié)果表明了該算法的有效性和可行性。(2)針對雞群優(yōu)化算法在求解0-1背包問題時收斂速度慢、求解精度低等問題,提出了一種改進(jìn)的二進(jìn)制雞群優(yōu)化算法。為了保持基本雞群優(yōu)化算法優(yōu)秀的進(jìn)化特點(diǎn),一種實(shí)數(shù)和二進(jìn)制混合編碼被提出,即算法是基于實(shí)數(shù)向量搜索,而需要求的解由二進(jìn)制向量表示;另外,提出了一種修復(fù)策略,來增強(qiáng)算法獲得的解的質(zhì)量;最后,設(shè)計(jì)了一種變異操作減小群體陷入局部最優(yōu)的危險,從而加速了算法搜索空間的能力。通過將改進(jìn)的算法和其他典型的算法對10個背包問題進(jìn)行仿真實(shí)驗(yàn),并以尋優(yōu)速度、收斂精度、穩(wěn)定性和運(yùn)行時間為四個準(zhǔn)則進(jìn)行分析,結(jié)果表明,改進(jìn)后的雞群優(yōu)化算法在求解背包問題時更有效。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 雞群優(yōu)化算法的研究現(xiàn)狀
    1.3 本文的主要工作和結(jié)構(gòu)安排
第二章 雞群優(yōu)化算法
    2.1 雞群優(yōu)化算法簡介
    2.2 標(biāo)準(zhǔn)雞群優(yōu)化算法
        2.2.1 雄雞位置更新
        2.2.2 雌雞位置更新
        2.2.3 小雞位置更新
    2.3 標(biāo)準(zhǔn)雞群算法的具體步驟
    2.4 參數(shù)分析
    2.5 雞群算法的特點(diǎn)
    2.6 本章小結(jié)
第三章 耗散結(jié)構(gòu)和差分變異混合的雞群算法
    3.1 耗散結(jié)構(gòu)和差分變異混合的雞群算法（DMCSO）
        3.1.1 耗散結(jié)構(gòu)
        3.1.2 差分變異
        3.1.3 算法的具體步驟
    3.2 仿真實(shí)驗(yàn)與分析
        3.2.1 參數(shù)設(shè)置
        3.2.2 性能分析
        3.2.3 混合策略的有效性
        3.2.4 算法尋優(yōu)精度和穩(wěn)定性比較
        3.2.5 算法收斂速度比較
    3.3 本章小結(jié)
第四章 一種改進(jìn)的二進(jìn)制雞群優(yōu)化算法解決0-1背包問題
    4.1 一種改進(jìn)的二進(jìn)制雞群算法求解0-1背包問題
        4.1.1 二進(jìn)制雞群算法
        4.1.2 貪心策略
        4.1.3 變異過程
        4.1.4 算法的具體實(shí)現(xiàn)步驟
    4.2 仿真實(shí)驗(yàn)和分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐陽普仁,楊叔子;一種改進(jìn)的Marple算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

2 黃小蓓;隆永紅;;分布式數(shù)據(jù)庫管理系統(tǒng)中的並發(fā)控制——算法及其性能分析[J];計(jì)算技術(shù)與自動化;1988年02期

3 馮成進(jìn);;0—1規(guī)劃新算法的改進(jìn)[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年02期

4 曾秀;魏振華;;猴群算法及其改進(jìn)綜述[J];電腦知識與技術(shù);2017年32期

5 段艷明;肖輝輝;林芳;;新授粉方式的花授粉算法[J];計(jì)算機(jī)工程與應(yīng)用;2018年23期

6 肖海軍;王芬艷;盧常景;曹穎;;一種有效的多峰優(yōu)化鳥群算法[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年04期

7 覃遠(yuǎn)年;梁仲華;;蟻群算法研究與應(yīng)用的新進(jìn)展[J];計(jì)算機(jī)工程與科學(xué);2019年01期

8 肖輝輝;段艷明;;基于改進(jìn)花授粉算法的移動機(jī)器人路徑規(guī)劃研究[J];軟件導(dǎo)刊;2018年11期

9 崔光松;;煙花算法研究改進(jìn)綜述[J];電子世界;2018年10期

10 趙紅星;常小剛;;人工蜂群算法的改進(jìn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2018年01期

相關(guān)博士學(xué)位論文 前10條

1 張代雨;多學(xué)科優(yōu)化算法及其在水下航行器中的應(yīng)用[D];西北工業(yè)大學(xué);2017年

2 孫寧;人工免疫優(yōu)化算法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2006年

3 陸楠;關(guān)聯(lián)規(guī)則的挖掘及其算法的研究[D];吉林大學(xué);2007年

4 胡銦;基于單目視覺的運(yùn)動目標(biāo)檢測與跟蹤算法研究[D];南京理工大學(xué);2008年

5 王玨;生物地理學(xué)優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2013年

6 黃松;面向多應(yīng)用場景的粒子群優(yōu)化算法研究[D];江南大學(xué);2017年

7 安琦;信號偵收中的識別與分類理論與算法研究[D];電子科技大學(xué);2017年

8 周瑞紅;基于群智能優(yōu)化理論的聚類改進(jìn)方法及應(yīng)用研究[D];吉林大學(xué);2017年

9 王帥;機(jī)械加工生產(chǎn)調(diào)度過程的優(yōu)化設(shè)計(jì)及其應(yīng)用研究[D];華東理工大學(xué);2011年

10 樂丹;量子密鑰分發(fā)后處理關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 何展;均值高效用項(xiàng)集挖掘算法研究[D];湖南大學(xué);2018年

2 郭旭;蝙蝠算法的改進(jìn)及收斂性分析[D];西安工程大學(xué);2018年

3 邵晨宇;面向視頻運(yùn)動目標(biāo)的壓縮跟蹤魯棒性算法研究[D];西安電子科技大學(xué);2018年

4 劉文惠;分布式環(huán)境下基于路徑阻斷的APSP算法研究[D];北京化工大學(xué);2018年

5 馬潔瑩;基于輪盤賭策略的混沌螢火蟲算法研究[D];西安電子科技大學(xué);2018年

6 鄒旭苗;基于信息理論的大規(guī)模模糊認(rèn)知圖學(xué)習(xí)算法及其應(yīng)用研究[D];西安電子科技大學(xué);2018年

7 郭立婷;狼群算法的改進(jìn)和應(yīng)用[D];西安電子科技大學(xué);2018年

8 韓萌;雞群優(yōu)化算法的改進(jìn)和應(yīng)用[D];西安電子科技大學(xué);2018年

9 黃奔茹;多層異質(zhì)網(wǎng)絡(luò)的協(xié)同排名算法及其期刊排名問題的應(yīng)用[D];清華大學(xué);2017年

10 朱艷芹;基于HQRank算法的微博用戶影響力研究[D];武漢理工大學(xué);2017年

本文編號：2885758