資源描述：
《基于反向?qū)W習(xí)策略的蝙蝠算法研究》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、基于反向?qū)W習(xí)策略的蝙蝠算法研究作者姓名惠宇雷指導(dǎo)教師姓名、職稱臧明相副教授申請學(xué)位類別工學(xué)碩士萬方數(shù)據(jù)萬方數(shù)據(jù)學(xué)校代碼10701學(xué)號1403121724分類號TP301密級公開西安電子科技大學(xué)碩士學(xué)位論文基于反向?qū)W習(xí)策略的蝙蝠算法研究作者姓名：惠宇雷一級學(xué)科：計算機科學(xué)與技術(shù)二級學(xué)科：計算機應(yīng)用技術(shù)學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：臧明相副教授學(xué)院：計算機學(xué)院提交日期：2017年6月萬方數(shù)據(jù)萬方數(shù)據(jù)BatAlgorithmResearchBasedOnOppositeLearningPolicyAthesissubmittedtoXID
2、IANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByXiYuleiSupervisor:ZangMingxiangAssociateProfessorJune2017萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學(xué)學(xué)位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，
3、論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同事對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文若有不實之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。
4、同時本人保證，結(jié)合學(xué)位論文研究成果完成的論文、發(fā)明專利等成果，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：萬方數(shù)據(jù)萬方數(shù)據(jù)摘要摘要蝙蝠算法（BA）是一種通過模擬蝙蝠獵食行為進(jìn)行全局尋優(yōu)的群智能優(yōu)化算法，在性能上優(yōu)于遺傳算法和粒子群算法，具有易操作、參數(shù)少和魯棒性強等特點，對求解各種組合優(yōu)化或連續(xù)優(yōu)化問題有很大幫助，可應(yīng)用于多個領(lǐng)域，如圖像處理、資源配置、數(shù)據(jù)挖掘、信息處理和金融等等。但是對于求解一些更為復(fù)雜的問題，算法本身仍存在缺陷，例如種群多樣性不足、尋優(yōu)精度低、收斂速度慢和易陷入局部
5、最優(yōu)等。本文分析了蝙蝠算法的尋優(yōu)步驟和仿生原理，并且將它和不同的群智能優(yōu)化算法進(jìn)行了比較，總結(jié)了算法在求解不同優(yōu)化問題中的優(yōu)勢和不足，提出了一種基于反向?qū)W習(xí)策略的蝙蝠算法（OLBA）。針對種群多樣性不足問題，在種群初始化時采用均勻設(shè)計理論，使得蝙蝠個體能夠相對均勻地分布在搜索空間，從而構(gòu)造出多樣性更好的種群；針對尋優(yōu)精度低和收斂速度慢的問題，借助反向?qū)W習(xí)策略，對精英蝙蝠個體進(jìn)行反向?qū)W習(xí)，生成指定大小的反向種群，然后將當(dāng)前種群和反向種群中的蝙蝠個體一起進(jìn)行優(yōu)勝劣汰，從而優(yōu)化了蝙蝠種群中的個體位置；在蝙蝠個體的更新公式中加入了自適應(yīng)的移動因子，
6、達(dá)到了動態(tài)調(diào)整移動步長的目的，使其能更好地趨向最優(yōu)目標(biāo)；針對易陷入局部最優(yōu)問題，設(shè)置了種群差異性的閾值，當(dāng)不滿足閾值時，對當(dāng)前種群中部分適應(yīng)度值較差的個體進(jìn)行搜索空間內(nèi)的重新初始化，通過改變這些蝙蝠個體的位置，提高種群的差異性，有效地避免了算法的未成熟收斂。本文采用6種單峰測試函數(shù)和4種多峰測試函數(shù)分別對BA、具有Lévy飛行特征的蝙蝠算法（LBA）和OLBA進(jìn)行了仿真，通過實驗結(jié)果的對比分析可以得出，OLBA在尋優(yōu)過程中，能夠加快收斂速度，提高解的精度，并且求得的全局最優(yōu)解相對穩(wěn)定。綜上，OLBA的改進(jìn)策略具有有效性和可行性。本文的主要工
7、作是針對蝙蝠算法的缺點進(jìn)行改進(jìn)。其中合理設(shè)置初始種群、制定種群差異性判斷規(guī)則、對精英個體的操作處理、蝙蝠個體更新公式等都是影響算法性能的關(guān)鍵。在后續(xù)的工作中，將對算法中參數(shù)的設(shè)置進(jìn)行深入研究，例如個體更新公式中移動因子的選擇、種群差異性的閾值等，并對其它群智能優(yōu)化算法進(jìn)行更為細(xì)致的分析，取長補短，找到突破點，挖掘蝙蝠算法的潛力，力求進(jìn)一步改善算法的性能，從而更好地將它應(yīng)用到實際中。關(guān)鍵詞：蝙蝠算法,均勻設(shè)計，群體差異性,反向?qū)W習(xí),早熟收斂I萬方數(shù)據(jù)西安電子科技大學(xué)碩士學(xué)位論文II萬方數(shù)據(jù)ABSTRACTABSTRACTBatAlgorith
8、m(BA)isakindofswarmintelligentoptimizationalgorithmwhichissimulatedbybats’huntingbehavior
