收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

人工蜂群算法理论与应用研究

徐海东  
【摘要】:人工蜂群算法是一种近年来新提出的群体智能算法,该算法参数少易于调控,搜索速度快,精度高,鲁棒性强,自提出以来得到国内外学者的大量关注,并在求解工程类优化问题时得到广泛应用。在近年来的研究中,该算法被广泛应用于通信,控制,自动化,生物工程等领域,均取得较好的优化结果。然而基本的人工蜂群算法具备以下不足:其种群更新机制表明该算法缺乏对搜索过程中的种群社会信息的有效利用;且该算法全局的搜索性能较好,但局部深度探索能力较差;另外,在搜索过程中缺少对求解问题结构的认知,这些缺点限制了算法收敛速度和搜索精度的进一步提高。本文旨在深入探究人工蜂群算法的应用领域和改进机制,改善算法的收敛速度和优化精度,并进一步提高算法的适用性。本文的研究工作主要分为以下几个方面:首先使用人工蜂群算法求解阵列信号处理领域的波达方向估计问题。仿真结果表明,随着信道信噪比的改善,该算法的估计准确度不断提高,可以成功地对波达方向估计问题进行优化求解。为进一步探究人工蜂群算法的适用性,分别使用该算法对约束优化问题和多目标优化问题两类典型优化问题进行求解。在优化求解有约束条件的问题时,结合该类问题的特点,定义约束检查函数,检查随机解是否在满足约束条件的可行域内,并使用该函数对贪婪准则和跟随概率进行改进,得到一种适用于约束优化的人工蜂群算法;使用人工蜂群算法进行多目标的优化时,根据Pareto支配准则,分别改进适应度函数求解公式和贪婪准则,采用外部档案机制保存和更新Pareto最优解,同时,在整个搜索过程中采用带有全局引导机制的邻域搜索策略来保证Pareto最优解的均匀分布。分别对两类问题中的经典测试函数进行优化,结果证明本文提出的两种改进算法可以获得有效的优化结果。针对标准人工蜂群算法存在的不足之处,本文分别使用广义反向学习策略和阿基米德copula分布估计算法对算法进行改进,提出了两种基于混合策略的人工蜂群算法。在基于广义反向学习策略的人工蜂群算法中,使用反向解对种群个体进行更新,来提高种群的多样性,同时采用多维邻域搜索机制提高寻优效率。在第二种混合算法中,使用copula分布估计理论改进观察蜂机制,通过对优势群体构建概率模型来分析并学习问题的结构,并根据概率分布进行采样来生成新的种群,以此实现有向搜索。数值仿真结果表明,这两种混合算法都进一步提高了算法的搜索精度和搜索效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 介婧,曾建潮;基于思维进化计算求解约束优化问题的新算法[J];计算机工程与应用;2003年04期
2 李相勇;田澎;孔民;;解约束优化问题的新粒子群算法[J];系统管理学报;2007年02期
3 石晓明;柴玉梅;;基于合作仲裁求解分布式约束优化问题的研究[J];微计算机信息;2008年36期
4 张书花;李艳龙;李磊;景孟旗;;求解线性等式约束优化问题的移动渐近线法[J];电子测试;2013年20期
5 樊重俊,韩崇昭,胡保生,王洁;一类约束优化问题的改进遗传算法[J];控制与决策;1996年05期
6 顾宏杰;许力;;利用带感知能力的粒子群算法求解约束优化问题[J];计算机应用;2011年01期
7 郭鹏;宋福庆;;求解约束优化问题的新方法[J];计算机工程与应用;2011年24期
8 彭宏,冯正柱,杨立洪;解约束优化问题的进化策略与混合进化策略的比较[J];数值计算与计算机应用;1998年01期
9 杨艳;周永权;罗林;袁冠远;;人工萤火虫群优化算法求解约束优化问题[J];小型微型计算机系统;2014年01期
10 丁博;王怀民;史殿习;唐扬斌;;低约束密度分布式约束优化问题的求解算法[J];软件学报;2011年04期
11 于凯,薛长虹,张传林;可行域无界的约束优化问题[J];成都气象学院学报;1995年03期
12 董红斌;黄厚宽;何军;侯薇;;一种求解约束优化问题的演化规划算法[J];计算机研究与发展;2006年05期
13 李倩;;对约束优化问题的一个二阶充分最优性条件的注解[J];才智;2012年32期
14 王军涛;尹国才;成岳鹏;;智能算法在约束优化问题中的应用研究[J];北华航天工业学院学报;2013年01期
15 朱高峰;伍铁斌;张艳蕾;成运;刘云连;;一种求解约束优化问题的进化算法及其工程应用[J];计算机工程与科学;2013年07期
16 高岳林;李会荣;;非线性约束优化问题的混合粒子群算法[J];计算数学;2010年02期
17 王翔;郑建国;;求解约束优化问题的多成员人工蜂群算法[J];西安交通大学学报;2012年02期
18 拓守恒;;一种求解高维约束优化问题的人工蜂群算法[J];计算机应用研究;2012年03期
19 朱高峰;伍铁斌;张艳蕾;成运;刘云连;;求解约束优化问题的中心引力优化算法及其工程应用[J];计算机应用研究;2013年10期
20 陈德祥;文诗华;宋武;;求解约束优化问题的不可行比率差分算法[J];科学技术与工程;2013年31期
中国重要会议论文全文数据库 前6条
1 贺春华;张湘伟;吕文阁;谢庆华;;基于竞选算法的非线性约束优化问题实现[A];数学·力学·物理学·高新技术交叉研究进展——2010(13)卷[C];2010年
2 赵志刚;韦兆文;;基于粒子群算法求解约束优化问题[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
3 周岩;濮定国;;解非线性不等式约束优化问题的序列线形方程法[A];中国运筹学会第十届学术交流会论文集[C];2010年
4 孙超利;曾建潮;潘正祥;;一种新的约束优化问题初始解的产生方法[A];2009中国控制与决策会议论文集(2)[C];2009年
5 金豪;朱德通;;双边校正约Hessian阵过滤仿射内点法解非负约束非线性等式约束优化问题[A];中国运筹学会第十届学术交流会论文集[C];2010年
6 邓长寿;赵秉岩;;采用不可行解驱动的DE进化算法求解难约束优化问题[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
中国博士学位论文全文数据库 前8条
1 刘水霞;互补约束优化问题若干算法研究[D];内蒙古大学;2009年
2 万中;平衡约束优化问题的理论与算法研究[D];湖南大学;2001年
3 胡一波;求解约束优化问题的几种智能算法[D];西安电子科技大学;2009年
4 时贞军;约束优化问题的参数控制算法研究[D];大连理工大学;2002年
5 王祝君;非线性优化问题的过滤线搜索方法[D];上海师范大学;2010年
6 孙祥凯;约束优化问题的若干对偶以及微分性研究[D];重庆大学;2012年
7 姜永;二阶锥均衡约束的优化问题[D];大连理工大学;2011年
8 刘玉珍;基于进化计算的单目标优化问题研究[D];湘潭大学;2012年
中国硕士学位论文全文数据库 前10条
1 徐海东;人工蜂群算法理论与应用研究[D];山东大学;2015年
2 杨亚飞;约束优化问题的粒子群算法方法[D];中国地质大学(北京);2012年
3 李彧;非线性约束优化问题的自适应三次正则化方法[D];大连理工大学;2013年
4 胡一波;解决约束优化问题的两种新的进化算法[D];西安电子科技大学;2006年
5 黄圣杰;求解约束优化问题的粒子群算法研究[D];南京信息工程大学;2008年
6 殷子然;机会约束优化问题的一个光滑函数方法[D];大连理工大学;2012年
7 孙强;一个新的非线性约束优化问题的无导数算法[D];上海大学;2013年
8 张序萍;约束优化问题的若干算法研究[D];山东科技大学;2005年
9 葛淑芹;随机均衡约束优化问题的约束研究[D];山东理工大学;2011年
10 姚雪飞;约束优化进化计算[D];广东工业大学;2011年
 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