資源描述：
《磷蝦群優(yōu)化算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)：TP18單位代碼：11407密級(jí)：公開學(xué)號(hào)：20137108北方民族大學(xué)碩士學(xué)位論文磷蝦群優(yōu)化算法的研究ResearchonKrillHerdOptimizationAlgorithm學(xué)位申請(qǐng)人：郭偉指導(dǎo)教師：高岳林教授申請(qǐng)學(xué)位門類級(jí)別：理學(xué)碩士專業(yè)名稱：應(yīng)用數(shù)學(xué)研究方向：智能計(jì)算與全局優(yōu)化所在學(xué)院：數(shù)學(xué)與信息科學(xué)學(xué)院論文完成日期：2016年4月摘要磷蝦群算法是一種新興的群智能優(yōu)化算法。該算法易于編程實(shí)現(xiàn)，在用于求解全局優(yōu)化問題時(shí)具有快速收斂性，一經(jīng)提出便受到研究者們普遍關(guān)注，并在計(jì)算機(jī)、通信、機(jī)械
2、、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和電力系統(tǒng)等領(lǐng)域得到應(yīng)用。與其它智能算法相比，磷蝦群算法在收斂性方面具有顯著優(yōu)勢(shì)。作為一種新的群智能算法，磷蝦群算法的理論研究有待完善，算法本身需作改進(jìn)，其應(yīng)用實(shí)踐的領(lǐng)域仍需進(jìn)一步拓展。本文在分析磷蝦群算法原理的基礎(chǔ)上，對(duì)算法進(jìn)行研究，并通過仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。本文的主要研究?jī)?nèi)容如下:1.對(duì)標(biāo)準(zhǔn)磷蝦群算法（KH）進(jìn)行分析，深入了解其模型構(gòu)造。在磷蝦群算法中存在著大量的參數(shù)，而部分參數(shù)的選取對(duì)算法的性能具有重要影響，對(duì)此，將算法中覓食慣性權(quán)重、最大覓食速度和步長(zhǎng)縮放因子這三個(gè)重要參數(shù)進(jìn)行大量的測(cè)試
3、實(shí)驗(yàn)，以了解它們對(duì)算法性能的影響，進(jìn)而給出合理的選取途徑，在一定程度上，能夠提升算法性能。2.提出一種自適應(yīng)慣性權(quán)重的改進(jìn)磷蝦群算法(AKH)。通過理論推導(dǎo)可知，標(biāo)準(zhǔn)磷蝦群算法在求解全局優(yōu)化問題的過程中出現(xiàn)大量的無效迭代是受慣性權(quán)重的影響，進(jìn)而對(duì)算法做出改進(jìn)，在算法迭代過程中，根據(jù)適應(yīng)度值將種群粒子分成兩類:適應(yīng)度值變差粒子和適應(yīng)度值變優(yōu)粒子，然后動(dòng)態(tài)調(diào)整慣性權(quán)重，將適應(yīng)度值變差粒子的慣性權(quán)重重置為零，減少慣性權(quán)重的不良影響，而適應(yīng)度值變優(yōu)粒子的慣性權(quán)重則保持不變。數(shù)值實(shí)驗(yàn)結(jié)果表明，AKH能夠有效地減少算法
4、的無效迭代次數(shù)，增強(qiáng)了算法的收斂精度，提升了算法性能。關(guān)鍵詞：全局優(yōu)化；磷蝦群優(yōu)化算法；慣性權(quán)重；自適應(yīng)IABSTRACTComparedwithotherintelligentalgorithms,KrillHerdalgorithm(KH)hasasignificantadvantageintermsofconvergencewhichiseasytoimplementandhasfastconvergencewhenusedforsolvingglobaloptimizationproblems.Th
5、ealgorithmgotcommonconcernforitonceproposedbyresearchers,andithasbeenappliedinthefieldsofcomputer,communications,mechanical,neuralnetworksandpowersystems.However,therealsoremainsalongwayforitsfurtherimprovementsandapplicationextension.BasedontheanalysisofK
6、Hprinciple,thealgorithmisstudiedandverifiedbysimulationtest.Themaincontentsofthisarticleasfollow:First,thestandardKHalgorithmisanalyzedfordeeperunderstandingofmodelstructure.TherearealotofparametersinKH,andthechangesofsomeparametershaveimportanteffectsonth
7、eperformanceofthealgorithm,suchasforaginginertiaweight,biggestfeedingspeedandthestepzoomfactor.Throughamassoftests,theeffectsofthesethreeforarefoundandthenthebestwayforparameterselectionisproposed,whichcananimprovealgorithmperformancetoacertainextent.Secon
8、d,animprovedalgorithmofKHwithself-adaptiveinertiaweight(AKH)willbeproposed.TheoreticaldeductionshowsthatmassiveinvaliditerationsintheprocessofsolvingglobaloptimizationthroughstandardalgorithmofKHarisefrominer
