收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

细菌觅食优化算法的改进及应用

刘小龙  
【摘要】:优化问题是人们在科学研究和生产实践中经常遇到的问题,人们已经对大量的最优化问题进行了深入的研究,并将其拓展成为了一门重要的学科门类。传统以梯度为基础的最速下降法、线性规划、单纯形方法等优化方法,在问题的目标函数是凸集、连续可微可导等情况下,具有较高的计算效率。但在实际应用的物流配送中心的选址、设备资源的最优分配、车间在制品的产品调度与布局等领域中,出现了许多大规模、非线性、多极值、多约束、非凸性等现象,这就使得传统的优化方法难以进行数学建模,从而给以仿生为特征的群智能计算方法提供了广阔的应用舞台,并诞生了一批模拟生物行为的“启发式方法”,这其中的典型代表包括遗传算法GA、蚁群优化算法ACO、粒子群优化算法PSO和细菌觅食优化算法BFO等。相关研究表明,现有群智能算法或多或少地存在着“早熟”、“晚熟”甚至“不熟”的收敛性缺陷与问题,因此许多学者将视角瞄向了在不同的群智能算法之间取长补短,确定改进各种优化算法性能的方式与途径。 在以上主要的群体智能优化算法中,GA、ACO、PSO都是基于高等生物作为启发对象,形成的一种“生成+检验”为特征的自适应人工智能计算技术,而BFO等算法,则是从微生物的行为机制出发,通过模拟细菌对环境感知的变化,而形成的一种新优化方法。由于微生物智能仿生技术问世的时间太短,国际学术界目前对BFO等相关研究尚有许多空白,这一新型的智能仿生算法还远未获得学术界应有的足够重视。因此,本文尝试对微生物的行为机制及其生理特性进行建模仿真,探讨这一新型智能计算方法的改进方式,从而丰富仿生优化算法中的微生物智能计算这一领域,继而对其他仿生优化算法提供一定意义上的技术借鉴,为本文提供针对现有生物体系优化算法融合改进的新途径、新视角。 本研究采用规范分析和实验研究为主的研究方法,对仿生优化的思想基础、主要门类和算法框架程式进行了探讨,阐述了仿生优化算法性能比较的问题测试函数、算法优劣的性能比较指标和算法迭代中的种群多样性度量指标,并对基本的BFO算法原理、实现步骤进行了深入分析,讨论了BFO算法中现有趋化算子、繁殖算子和迁移算子在程序执行中表现出的主要问题,进而利用测试函数对算法的各种参数设置进行了实验,提出了BFO算法参数设置的部分规律,基于最优觅食理论对BFO算法进行了实验,讨论了细菌在趋化过程中的不同觅食方式对算法性能的主要影响。 在以上理论分析的基础上,本文尝试对群智能算法进行算法思想的理论融合,试图分析现有不同群智能算法的特征,基于高等生物的群体协作、生物种群的基因进化和统计学习的分布估计三个层面,对现有算法的微观行为层面、基因改进层面和宏观指导层面进行改进,以提高BFO基本算法的测试性能,并使之具备协调进化和学习适应等多重智能,从而达到提高算法的搜索速度和精度的目的。本文尝试构建的改进BFO算法不仅具有方法上的创新,而且对现有智能计算技术具有较为积极的思想参考,从而具有一定意义上的理论创新。论文的主要研究成果表现在以下几个方面: (1)系统总结了仿生优化群智能计算的基本原理和主要方法,分析了现有算法性能比较的无免费午餐定理(NFL),阐述了算法性能比较所使用的标准测试函数、性能比较和种群多样性评价指标,揭示了各种群智能计算方法的思想基础,为后续文章所提及的算法优化及其改进研究提供评价体系和理论上的参照。 (2)深入研究了细菌觅食优化算法的基本原理,分析了现有的趋化、繁殖和迁移算子在算法寻优中的局限性,对算法中的基本参数进行了分析,讨论了相关参数设置的经验和取值借鉴,比较了PSO和BFO中的两种觅食行为策略,分别利用细菌能量和适应度来模拟非常规和常规觅食策略,验证了不同觅食策略对算法性能的影响,最后提出了针对细菌觅食优化的四个方面的改进目标和具体改进行为策略。 (3)分析了生物在觅食过程中的竞争和协作两种主要行为,探讨了基于协作思想的鱼群算法和学习思想的粒子群算法的主要思想。基于鱼群算法的思想,赋予细菌感知群体状态的能力,可以进行优值跟踪(追尾群体最优)和聚群(向群体中心位置好的靠拢),提出了环境感知BFO算法,提高了问题求解的精度。基于PSO的自我学习和社会学习思想,提出了协作BFO,使得算法具有更大概率获得全局最优解。 (4)分析了生物进化的适者生存、物种选择和遗传学说理论,讨论了基于生物进化的广义进化计算方法,分析了以进化思想为基础的遗传算法及其进化计算的基本思想。基于差分进化的思想,在细菌繁殖时通过群体内个体间的差分合作与竞争,来实现细菌群体的优化,从而对趋化周期结束后的维度退化现象进行修正,差分算子明显提高了BFO算法的精度、鲁棒性和全局最优获取能力。基于生命体免疫系统的思想,设置了基于免疫体的克隆繁殖算子,在趋化周期完成后对精英细菌进行克隆、高频变异和随机交叉,从而引导算子搜索,使得算法对部分测试函数具有很好的适用性,并能快速收敛,找到全局最优解。 (5)分析了最新出现的智能计算的分布估计的方法,探讨了分布估计引入智能计算的可能性,从而可以充分利用实际问题的先验信息,完成从宏观指导思想上的建模。基于分布估计中的高斯分布思想,在细菌趋化周期结束后的繁殖环节,引入了高斯分布繁殖的概念,从宏观上对较优秀的部分细菌进行统计建模,明显提高了BFO算法的精度和鲁棒性,对部分测试函数具有很大的适应性。基于现有细菌繁殖的真实生长曲线,打破BFO算法的三层嵌套框架,模拟了细菌在优化过程中的菌群自由分布规律,建立了细菌自我繁殖和消亡的系统模型,进而从另一个侧面对前述BFO算法的相关性能进行佐证。 (6)利用标准测试函数对改进细菌觅食优化的算法性能进行测试验证,在MATLAB软件平台上设计和开发了相应的计算机程序附后,针对实际优化中的连续空间和离散空间,采用神经网络预测问题和车间作业调度问题对算法性能进行验证,拓展了连续性BFO的应用空间,为神经网络的权重求解和作业调度优化提供了一种新的信息处理和智能计算工具。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 奚玮君;李绍军;钱锋;;基于Alopex的粒子群算法及其在软测量上的应用[J];计算机与应用化学;2006年11期
2 邹箭;徐刚;杨玉群;;自适应粒子群优化算法及其在注塑成型质量指标软测量中的应用[J];南昌大学学报(理科版);2009年04期
3 何正大;许玫;;基于Matlab遗传算法和神经网络结合的函数逼近实现和测试[J];电脑知识与技术;2009年35期
4 刘媛;韩应征;;蚁群算法求解优化函数[J];中国新技术新产品;2009年12期
5 李天牧,李学群;基于神经网络的自动特征抽取[J];云南大学学报(自然科学版);1991年03期
6 kelly MF;邰常峰;;神经网络在肌电信号分析中的应用[J];国际生物医学工程杂志;1991年06期
7 汤新梁;;自由手写体数字识别的神经网方法[J];东南大学学报(自然科学版);1991年03期
8 曾黄麟;;一类新的模式识别联想神经网络[J];电讯技术;1992年01期
9 ;简讯[J];西安电子科技大学学报;1992年01期
10 卢科学;郭美义;;平移不变模式变换与神经网络[J];西安电子科技大学学报;1992年03期
11 吴新余;;简析Lyapunov函数40例[J];南京邮电大学学报(自然科学版);1992年04期
12 王继成,吕维雪;基于神经网络的逻辑计算[J];计算机工程与设计;1993年02期
13 高丽娜;邱关源;;神经网络高精度权值的模拟电路实现[J];电子与信息学报;1993年05期
14 陈在;;神经网络:一种全新的多媒体技术[J];重庆邮电学院学报(自然科学版);1993年01期
15 丁德恒;吕维雪;;基于神经网络的关系模式匹配方法[J];计算机科学;1993年01期
16 刘健勤;手写体汉字识别的神经网络算法[J];计算机应用研究;1994年01期
17 夏又生,吴新余;解框形约束最小二乘问题的神经网络[J];南京邮电学院学报;1994年03期
18 沈琴婉;黄五群;陈天崙;张延炘;;互连权值灰度阶有限的神经网络的蒙特卡洛学习算法[J];模式识别与人工智能;1994年02期
19 李杰,谷士文;HOPFIELD神经网络用于二维重叠物体的形状识别[J];长沙铁道学院学报;1995年02期
20 王卫,蔡德钧,万发贯;神经网络在图像编码中的应用[J];电子学报;1995年07期
中国重要会议论文全文数据库 前10条
1 阳治维;李绍军;;改进的Alopex算法及其在过程建模中的应用[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
2 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
3 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
4 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
5 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
6 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
7 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
8 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
9 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年
10 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 刘小龙;细菌觅食优化算法的改进及应用[D];华南理工大学;2011年
2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
5 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
6 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
7 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
8 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
9 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
5 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
6 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
7 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
9 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年
10 郝庆光;基于神经网络的农药去除设备设计[D];长春理工大学;2011年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
7 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
8 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
9 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
10 ;人老了,大脑仍能形成新的神经网络[N];新华每日电讯;2004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
  • 010-62982499
  • 010-62783978