發(fā)布時(shí)間：2024-04-09 03:07

　　優(yōu)化問(wèn)題在我們生活中隨處可見(jiàn),其核心思想是在特定的條件下,通過(guò)設(shè)計(jì)合適的方案,在可行解范圍內(nèi)探索最優(yōu)解。隨著新技術(shù)的發(fā)展,問(wèn)題的約束條件逐漸復(fù)雜,傳統(tǒng)的求解方法心有余而力不足,群智能優(yōu)化算法的誕生彌補(bǔ)了以上不足,該類(lèi)算法可以更好的解決復(fù)雜、非線性、大規(guī)模的問(wèn)題,具有靈活性好、魯棒性強(qiáng)、求解效率高等優(yōu)勢(shì),因此自從其被提出以來(lái)便受到國(guó)內(nèi)外學(xué)者的研究和探索,并被廣泛應(yīng)用于各個(gè)領(lǐng)域。隨著研究的不斷深入,群智能優(yōu)化算法的種類(lèi)得到了不斷的擴(kuò)充以解決新的復(fù)雜問(wèn)題,果蠅優(yōu)化算法、花授粉算法、鯨魚(yú)優(yōu)化算法便是近10年被提出的新型的群智能優(yōu)化算法,三種算法結(jié)構(gòu)簡(jiǎn)單,易于理解且便于實(shí)現(xiàn),但由于提出時(shí)間較晚,缺乏數(shù)學(xué)理論基礎(chǔ),算法具有收斂速度慢、易于陷入局部極值點(diǎn)、求解精度低等缺陷。為了解決上述缺陷,國(guó)內(nèi)外學(xué)者分別從搜索半徑、尋優(yōu)公式、參數(shù)選擇等多個(gè)方面對(duì)算法進(jìn)行完善,提高了算法的尋優(yōu)性能并擴(kuò)充了應(yīng)用領(lǐng)域,但是隨著優(yōu)化問(wèn)題的日益復(fù)雜,算法的尋優(yōu)能力需要不斷地提升。因此,為了進(jìn)一步提高算法的尋優(yōu)性能,本文在結(jié)合前人研究的基礎(chǔ)上,提出了三種新型改進(jìn)算法,改進(jìn)措施如下:(1)動(dòng)態(tài)調(diào)整搜索策略的果蠅優(yōu)化算法:首先,通...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文研究背景及意義
    1.2 三種群智能優(yōu)化算法概述
        1.2.1 基本果蠅優(yōu)化算法
        1.2.2 基本花授粉算法
        1.2.3 基本鯨魚(yú)優(yōu)化算法
    1.3 論文研究?jī)?nèi)容及創(chuàng)新
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究創(chuàng)新
    1.4 論文結(jié)構(gòu)及章節(jié)安排
第二章 動(dòng)態(tài)調(diào)整搜索策略的果蠅優(yōu)化算法
    2.1 FOAASS算法改進(jìn)策略
        2.1.1 通過(guò)混沌映射改善初始位置分布
        2.1.2 通過(guò)預(yù)測(cè)種群進(jìn)化方向提高收斂速度
        2.1.3 通過(guò)動(dòng)態(tài)調(diào)整搜索半徑增強(qiáng)搜索能力
        2.1.4 通過(guò)動(dòng)態(tài)調(diào)整搜索策略跳出局部最優(yōu)
    2.2 FOAASS算法實(shí)現(xiàn)步驟
    2.3 仿真實(shí)驗(yàn)及結(jié)果分析
        2.3.1 仿真實(shí)驗(yàn)設(shè)計(jì)
        2.3.2 固定迭代次數(shù)下的性能測(cè)試及分析
        2.3.3 固定收斂精度下的性能測(cè)試及分析
    2.4 本章小結(jié)
第三章 基于動(dòng)態(tài)調(diào)整和協(xié)同搜索的花授粉算法
    3.1 FPADC算法改進(jìn)策略
        3.1.1 通過(guò)霍爾頓序列提高初始解質(zhì)量
        3.1.2 通過(guò)細(xì)化群體分工提高收斂精度
        3.1.3 通過(guò)動(dòng)態(tài)調(diào)整轉(zhuǎn)換概率平衡搜索能力
        3.1.4 通過(guò)動(dòng)態(tài)調(diào)整尋優(yōu)公式改善搜索性能
    3.2 FPADC算法實(shí)現(xiàn)步驟
    3.3 仿真實(shí)驗(yàn)及結(jié)果分析
        3.3.1 仿真實(shí)驗(yàn)設(shè)計(jì)
        3.3.2 固定迭代次數(shù)下的性能測(cè)試及分析
        3.3.3 固定收斂精度下的性能測(cè)試及分析
    3.4 本章小結(jié)
第四章 動(dòng)態(tài)搜索和協(xié)同進(jìn)化的鯨魚(yú)優(yōu)化算法
    4.1 DCWOA算法改進(jìn)策略
        4.1.1 通過(guò)Faure序列優(yōu)化初始位置分布
        4.1.2 通過(guò)種群個(gè)體協(xié)同進(jìn)化提高尋優(yōu)精度
        4.1.3 通過(guò)動(dòng)態(tài)調(diào)整收斂因子平衡搜索能力
        4.1.4 通過(guò)動(dòng)態(tài)調(diào)整搜索方程改善搜索性能
    4.2 DCWOA算法實(shí)現(xiàn)步驟
    4.3 仿真實(shí)驗(yàn)及結(jié)果分析
        4.3.1 仿真實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 固定迭代次數(shù)下的性能測(cè)試及分析
        4.3.3 固定收斂精度下的性能測(cè)試及分析
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 主要研究成果及結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3949220