改進人工魚群算法研究與應(yīng)用

《改進人工魚群算法研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、＇‘ｒｖ、‘＾．．；Ｖ分級ｆ考藻ｕ＇號如旅■／．、，．１ｃ若：Ｉ為’毯：＇，＾評Ｋ．Ｉｆ＾乂Ｆ＾．＇振＇？１＜．餐．＊．’：１、心碩與華立含，交ｃ５古？＾?。祝吞帲祝樱模蓿牐欤牐槟常耄蓿牐牐牐牐牐牐牐牐牉椋赃M轉(zhuǎn)洩賊與用ｙ輔禱Ｊ．．．７－％．％－＇，｜一％、ｖ戶＾，：、１．＞，．．．．．，ｖ＼．々．，＾．，一＾／：ｒ竣＇訂？；．＊ｆ，ｖ舅?。В颍帧牐牐埽觯牎?、卽，．：４？工學(xué)古＊．；ｒ．－ｔ．３：＇嶺＞專ｒ稱Ｖ棘與動化置＼ｊ．＾＾研名＾

2、Ｉ＾Ｊ衫。：．；／＇＾苗臟輸明幡授；．／＾／．５打，ｉ—．＾為’．二０￡Ｓ．Ｊ技／．Ｆ．巧，．＾，．：＾－禁＞＾，．，．／．；．Ｖ．．Ｓ，／．、氣才＼’．．產(chǎn)‘Ｓ：?。郑崳姡迹妫崳姡崳?，‘Ｓ；誠論ｌ分類號：密級：UDC：學(xué)號：碩士學(xué)位論文改進人工魚群算法研究與應(yīng)用ResearchandapplicationonimprovedArtificialFishSwarmAlgorithm學(xué)位類別：工學(xué)碩士作者姓名：裴興環(huán)學(xué)科、專業(yè)：檢測技術(shù)與自動化裝置研

3、究方向：現(xiàn)代智能算法指導(dǎo)教師：梁毓明年月日學(xué)位論文獨創(chuàng)性聲明本人聲明所呈交的論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果，。據(jù)我所知除了文中特別加Ｗ標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含已獲得江西理工大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料一。與我同工作的同志對本研究所做的任何貢獻均已巧論文中做了明確的說明并衷示謝意。一申請學(xué)位論文與資料若有不實之處，本人承擔切相關(guān)責任。口盡研究生簽名：時間：１７年月日文＞作＾／學(xué)位論文版權(quán)使用授權(quán)書本人完全了解江西理

4、工大學(xué)關(guān)于收集：、保存、使用學(xué)位論義的規(guī)定即學(xué)校有權(quán)保存按要求提交的學(xué)位論文印刷本和電子版本，學(xué)校有權(quán)將將學(xué)文論文的全部或者部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編＾＾＾供查閱和借閱：學(xué)校有權(quán)按有關(guān)規(guī)定向國家有關(guān)部口或者機構(gòu)送交論文的復(fù)印件和電子版。本人允許本學(xué)位論文被查閱和借閱，同意學(xué)校向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和電子版，并通過閥絡(luò)向社會公眾提供信息服務(wù)。保密的學(xué)位論文在解密后適用本授權(quán)書學(xué)位論文作者簽名（于寫）：導(dǎo)師簽名（手寫）：簽字口期：於年Ｐ名月氏］

5、簽字［！期：ｌｌ年＾ｙＩ摘要摘要人工魚群算法是自然界以魚為模板而衍生出來的一種新型群智能優(yōu)化算法，為大量工程難題的分布式計算提供了有效的工具。該算法不依賴問題數(shù)學(xué)性質(zhì)，具有對初值不敏感、優(yōu)良的魯棒性能，已經(jīng)被廣泛應(yīng)用于國民經(jīng)濟的各個領(lǐng)域，由解決連續(xù)性優(yōu)化問題發(fā)展到解決各種離散組合問題的優(yōu)化，一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化。人工魚群算法已經(jīng)成為優(yōu)化技術(shù)領(lǐng)域內(nèi)一個非常熱門前沿性的課題。人工魚群算法采用自下而上的搜索機制，模仿魚的“覓食行為”、“聚群行為”、“追尾行為”等主要行為而達到全局尋優(yōu)。受擁擠度因子的影響，當

6、算法逼近極值時，人工魚卻只能在極值近鄰徘徊，不能求得精確解。由于粒子群算法具有趨向、快速的收斂特性，可以彌補人工魚群算法在局部搜索能力及算法后期收斂速度慢的弱勢，因此提出了粒子群優(yōu)化人工魚群算法，該算法在人工魚群的“覓食行為”、“聚群行為”、“追尾行為”數(shù)學(xué)模型上做了優(yōu)化，此外，引入粒子的飛行速度和非線性動態(tài)慣性權(quán)重因子。通過Sphere函數(shù)、Ackley函數(shù)、Levy函數(shù)和Griewank函數(shù)對算法的性能進行了驗證，從算法的迭代速度、收斂精度和慣性權(quán)重等方面進行了綜合的對比考察，通過仿真數(shù)據(jù)證實了改進的算法較人工魚群算法和粒子群

7、算法有著更加良好的收斂性能。TSP問題是屬于典型NP難題，采用現(xiàn)代智能算法對旅行商問題的研究有著很重要的實踐意義和理論意義。TSP問題即旅行商問題，它求解旅行商去N個城市推銷自己的商品，使得所走的城市只經(jīng)過一次并且返回該起點所走的最短距離。針對此問題，提出了交叉變異人工魚群優(yōu)化算法，并將其用于旅行商問題的求解。該算法在人工魚群算法的基礎(chǔ)上引入交叉變異算子，并介紹了該算法的距離、鄰域及中心概念解決旅行商問題。引用數(shù)據(jù)庫51城市為實例，實現(xiàn)了路徑最短問題的尋優(yōu)，仿真結(jié)果表明，該算法在組合優(yōu)化問題的求解，表現(xiàn)出了極強的尋優(yōu)能力和較好的性

8、能。核函數(shù)的類型、核參數(shù)以及懲罰因子的選取直接影響著支持向量機癌細胞識別效果。然而,直到現(xiàn)在,支持向量機的核函數(shù)、核參數(shù)及懲罰因子的選取還沒有科學(xué)的方法,人們只能根據(jù)經(jīng)驗、大量的反復(fù)實驗進行對比等方法來進行選擇,帶有很大的局限性。本文利用改進的粒子