收藏本站
《武汉理工大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

蜜蜂算法研究与应用

谢涌泉  
【摘要】:群智能起源于自然环境中生物群体经过长期自然进化后具有的解决问题的能力,其中的许多问题在人类看来可以归属于高复杂度的优化问题。受到生态系统中一些具有社会群体特征的物种的行为启发,模仿自然与生物机理的群智能优化方法应运而生。群智能优化方法的发展为使用传统的优化方法难以解决的NP-困难问题提供了有效的求解工具。英国学者Pham教授于2005年提出的蜜蜂算法属于群智能优化算法的一员,该算法受自然界中蜂群的觅食行为启发,是根据蜜蜂探测、选择食物源并最终采集到高质量蜂蜜的内部运行协作机制而设计出的仿生计算方法。该算法主要特征是用侦查蜂角色划分的方式直接体现优化方法普遍需要应对的相互矛盾两方面:利用性搜索与探测性搜索,因此容易控制操作。该算法简单易于实现,虽然已经在许多工程领域得到成功运用,但对其理论研究工作还处于起步阶段,对其优化中个体与群体进化的数学过程以及算法收敛性分析尚缺乏研究。本论文对蜜蜂算法做了深入的理论研究,针对算法现有不足之处提出了若干改进策略,并将其用于云制造环境中的服务组合优化问题中。论文主要研究工作如下:(1)建立蜜蜂算法的马尔科夫数学模型进行理论分析。从侦查蜂个体到侦查蜂进化代逐层递进对蜂群的基本概念和操作进行了严格的数学描述和马尔科夫性质论证,比如侦查蜂不同角色个体搜索过程中状态转概率以及迭代序列所具有的性质,算法侦查蜂进化代状态转移概率以及迭代序列具有的性质等。对侦查蜂进化代状态进行分组处理,该操作简化了对侦查蜂进化代马尔科夫渐进性的相关计算与分析。在对蜜蜂算法建立的马尔科夫模型的基础上对讨论了在蜜蜂算法相关改进版本中使用的邻域收缩策略以及食物源丢弃策略的作用与影响。(2)提出一种蜂群分工调整策略对蜜蜂算法性能加以改进。蜜蜂算法对群体内蜜蜂进行角色分类,各个角色的数量决定了算法的优化性能,这些数量均属于预先设置参数,在算法优化过程中保持不变,这样处理一个优化问题前,需要依赖使用者对目标函数具备的先验知识,才能经验式地对参数进行设置使算法以较好的性能运行。分工调整策略允许算法在优化过程中保持群体规模不变的情况下依据当前侦查蜂进化代采样到的适应度对群体内侦查蜂和觅食蜂比例进行调整,使得算法的优化性能具有一定的自适应性,从而一定程度上降低算法设置对目标函数先验知识的依赖。(3)将蜜蜂算法扩展到多模优化领域。蜜蜂算法本身具有并行运行、邻域搜索与全局搜索直接结合等特点,具备多模优化所需的相关特征,且在自然环境中具有生态依据,因此以基本蜜蜂算法为基础,引入新的概念和优化策略,使得蜜蜂算法适合于多模优化。设计的多模优化蜜蜂算法还具有可变动蜂群规模的特性,根据已检测到的目标函数最优解的数量,对蜂群内不同分工的侦查蜂数量进行调整,避免蜂群规模预先设置的过大或者过小导致的搜索精度或效率的下降,减弱了算法预先对目标函数最优解数量这一先验知识的依赖性。(4)为蜜蜂算法引入了平衡邻域搜索策略,对比于原先的随机邻域搜索策略和伪梯度邻域搜索策略。该策略结合侦查蜂进化代里的历史搜索经验,确定下一次算法迭代中执行邻域搜索觅食蜂的分布。如果过去迭代中未实现解的适应度的改进,或者获得改进的觅食蜂个体所在方位差异较大,则邻域搜索逐渐倾向于随机策略,保持觅食蜂的多样性。如果在过去迭代中获得解的适应度改进的觅食蜂所在方位差异不大,则有理由认为下一次在觅食蜂在该方位上以较大概率获得解的改进,则邻域搜索逐渐倾向于伪梯度搜索。该邻域搜索策略不引入额外的适应度评估次数,不带来计算开销的增长,同时提高蜜蜂算法的搜索效率。(5)以云制造环境中服务组合这一NP-困难问题为目标建立多用户服务组合模型,研究了蜜蜂算法在服务组合优化上的应用。给出了蜜蜂算法在解决该多目标带约束组合优化问题的详细步骤,并且根据该特定应用环境,提出了为算法采用种子服务初始化过程,以用户自身历史经验与云平台累积的服务评价为依据构建初始种子服务链,再围绕展开邻域搜索,相比原初始化过程提高了算法服务组合成功率以及避免不良服务的能力。
【学位授予单位】:武汉理工大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:TP18

手机知网App
【参考文献】
中国期刊全文数据库 前2条
1 甘佳;段桂江;;云制造服务信任评估技术[J];计算机集成制造系统;2012年07期
2 陶飞;张霖;郭华;罗永亮;任磊;;云制造特征及云服务组合关键问题研究[J];计算机集成制造系统;2011年03期
【共引文献】
中国期刊全文数据库 前10条
1 徐宣国;张凯;苏翔;刘开;;制造云服务组合柔性的四维属性测度方法[J];运筹与管理;2015年06期
2 刘开;李正义;范磊;;制造云服务组合柔性的多属性评价方法[J];江苏科技大学学报(社会科学版);2015年03期
3 沈华;何炎祥;张明武;;基于服务组合模型结构特征的性能瓶颈定位方案[J];计算机科学;2015年09期
4 苏凯凯;徐文胜;李建勇;;云制造环境下基于非合作博弈的资源优化配置方法[J];计算机集成制造系统;2015年08期
5 顾桓;田红;高妍;;一种基于云平台的包装印刷设备增值服务系统[J];包装工程;2015年15期
6 霍春辉;王方杰;;云制造模式对中小企业敏捷竞争的作用机制研究——基于动态能力视角[J];理论界;2015年08期
7 吴娇;;云制造资源服务化方法研究[J];科技视界;2015年21期
8 陈卫卫;李涛;李志刚;刘钊;;面向Deadline的云代理资源预留策略[J];解放军理工大学学报(自然科学版);2015年04期
9 李泽彪;张卫;王正成;王正肖;;云制造环境下的生产加工服务监控[J];计算机集成制造系统;2015年07期
10 唐红;徐文胜;李楠;;云制造环境下基于远程虚拟桌面的软件资源共享研究[J];计算机应用与软件;2015年07期
【二级参考文献】
中国期刊全文数据库 前10条
1 刘哲元;慕德俊;王晓伶;;基于经验和信誉的MAS信任评价的学习机制[J];计算机科学;2010年08期
2 黎梨苗;陈志刚;邓晓衡;桂劲松;;基于模糊理论的主观信任综合评价模型研究[J];计算机应用研究;2010年05期
3 邓忠军;王少杰;郑雪峰;锁延峰;于真;;一种基于个体经验的多粒度信任模型[J];计算机科学;2010年04期
4 李伯虎;张霖;王时龙;陶飞;曹军威;姜晓丹;宋晓;柴旭东;;云制造——面向服务的网络化制造新模式[J];计算机集成制造系统;2010年01期
5 沈苏彬;范曲立;宗平;毛燕琴;黄维;;物联网的体系结构与相关技术研究[J];南京邮电大学学报(自然科学版);2009年06期
6 陈康;郑纬民;;云计算:系统实例与研究现状[J];软件学报;2009年05期
7 胡业发;陶飞;周祖德;;制造网格资源服务Trust-QoS评估及其应用[J];机械工程学报;2007年12期
8 张仕斌;刘全;曾鸿;;基于开放式网络环境的模糊自主信任模型[J];清华大学学报(自然科学版);2006年S1期
9 王洪;唐晓青;;设计质量评估体系模型及其构建方法研究[J];计算机集成制造系统;2006年01期
10 唐文,陈钟;基于模糊集合理论的主观信任管理模型研究[J];软件学报;2003年08期
【相似文献】
中国期刊全文数据库 前10条
1 张宏哲;;FFT算法的一种改进[J];长安大学学报(自然科学版);1988年01期
2 苑宝生,俞铁城;连呼汉语识别研究[J];声学学报;1989年06期
3 孙杨模;;操作系统常见的几种算法举例分析[J];湖北三峡职业技术学院学报;2010年02期
4 郜振华;吴昊;;一种改进的混合蝙蝠算法[J];南华大学学报(自然科学版);2019年01期
5 吴天行;郭键;;基于“反学习”理论的人工蜂群算法在订单分批问题中的应用[J];物流技术;2017年12期
6 全燕;陈龙;;算法传播的风险批判:公共性背离与主体扭曲[J];华中师范大学学报(人文社会科学版);2019年01期
7 肖海军;成金华;何凡;;双核因素蝙蝠算法[J];中南民族大学学报(自然科学版);2018年01期
8 张进;;一种快速双对分逻辑运算算法[J];情报学报;1992年03期
9 陈广江;用MUSIC算法处理非均匀间隔采样数据[J];系统工程与电子技术;1998年09期
10 于浩;王芳;;ROHC算法在LWIP上的仿真与实现[J];计算机仿真;2017年12期
中国重要会议论文全文数据库 前8条
1 李孟霖;余祥;巫岱玥;许新坤;;基于蚁群TSP算法的路径规划问题研究[A];第六届中国指挥控制大会论文集(上册)[C];2018年
2 李灯熬;王晓毓;赵菊敏;史萌;张沛;;基于3D-MAP和CNMC多径抑制算法[A];第九届中国卫星导航学术年会论文集——S03 卫星导航信号及抗干扰技术[C];2018年
3 王璐;姜亢;张鹏;;星上压缩算法评测方案[A];第四届高分辨率对地观测学术年会论文集[C];2017年
4 孙迪峰;梁旭斌;赵天青;许学忠;郑辉;成龙;;宽带MUSIC算法中同步干扰的影响与对策[A];中国声学学会2017年全国声学学术会议论文集[C];2017年
5 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年
6 王世平;马时平;李权合;何林远;王晨;丁文杉;刘坤;;一种基于边缘约束的快速图像去雾算法[A];第八届中国航空学会青年科技论坛论文集[C];2018年
7 张炜;李勇刚;周晓君;;一种求解有城市访问顺序约束旅行商问题的状态转移算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
8 饶洪辉;姬长英;;基于分水岭算法的绿色作物和背景分割[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册[C];2005年
中国重要报纸全文数据库 前1条
1 林珊珊;算法推荐中的伦理冲突[N];学习时报;2019年
中国博士学位论文全文数据库 前10条
1 谢涌泉;蜜蜂算法研究与应用[D];武汉理工大学;2015年
2 滕飞;基于视觉的内河重点水域船舶跟踪算法研究[D];武汉理工大学;2016年
3 苗苗;类电磁机制算法及若干应用的研究[D];西安电子科技大学;2017年
4 刘婧;非理想条件下DOA估计算法研究[D];哈尔滨工程大学;2018年
5 郑伟华;快速傅立叶变换—算法及应用[D];湖南大学;2015年
6 彭展;序列挖掘中几类关键问题的模型及算法研究[D];西安电子科技大学;2017年
7 李勇;基于深度学习的粒子图像测速算法研究及应用[D];华中科技大学;2018年
8 宋云胜;基于划分与压缩的加速学习算法研究[D];山西大学;2018年
9 丁才昌;分布估计算法性能及分类研究[D];武汉大学;2014年
10 王则林;基于智能算法的包匹配分析与研究[D];武汉大学;2015年
中国硕士学位论文全文数据库 前10条
1 陆婉芸;基于字典学习算法的ZY-3影像云去除方法研究[D];辽宁工程技术大学;2017年
2 杨菊蜻;群体智能在聚类算法中的应用研究[D];贵州大学;2018年
3 贺思云;云环境下进化多目标聚类算法研究[D];贵州大学;2018年
4 武超;基于MapReduce的随机抽样K-Means算法的研究[D];辽宁工程技术大学;2016年
5 李琪;基于Spark的大数据并行聚类算法研究与改进[D];贵州大学;2018年
6 安泽晔;物理学优化算法中粒子物态划分和转换的研究与设计[D];太原科技大学;2018年
7 李玲;基于相关性滤波器的实时跟踪算法研究[D];西安电子科技大学;2018年
8 任忠旭;基于复杂网络的软件网络节点影响力挖掘算法研究及应用[D];燕山大学;2018年
9 王中振;低频缺失条件下的相位恢复算法研究[D];燕山大学;2018年
10 黄吉;一种K-means聚类改进算法研究及应用[D];湖北工业大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026