連續(xù)禁忌搜索算法改進及應(yīng)用研究.pdf

1、本文對連續(xù)禁忌搜索算法作出改進,提出了兩種改進的算法ITS和TS_SQP,并將改進的算法應(yīng)用于系統(tǒng)辨識以及反饋神經(jīng)網(wǎng)絡(luò)的訓練.本文主要的研究成果和創(chuàng)新點包括:1)對連續(xù)禁忌搜索算法進行改進,提出了改進的算法ITS.在ITS算法中,既考慮到多樣性搜索策略,將當前點的鄰域空間用一組同心超矩形進行劃分,在每個外圍同心超矩形中隨機選取一個點組成部分鄰域;又通過改進引入了特赦規(guī)則,在中心超矩形內(nèi)也隨機選取一定數(shù)量的點,與外圍同心超矩形內(nèi)選取的點共

2、同組成當前點的鄰域.通過對一些典型測試函數(shù)的仿真結(jié)果表明改進算法有助于更快、更精確的搜索到全局最優(yōu)點.2)針對禁忌搜索算法局部搜索的隨機性,首次提出了一種與SQP算法結(jié)合的禁忌搜索算法,TS_SQP.利用禁忌搜索算法的全局收斂性,結(jié)合SQP局部搜索快速收斂的能力,改善傳統(tǒng)禁忌搜索算法的搜索能力,使禁忌搜索算法可以獲得精確的最優(yōu)點.在TS_SQP算法中,首先產(chǎn)生當前點的鄰域,然后以鄰域內(nèi)的每個點為初始點運行SQP算法,所有收斂點構(gòu)成新的鄰

3、域,最后運用TS規(guī)則更新當前點.仿真結(jié)果表明,與ITS比較,TS_SQP全局收斂的速度更快,獲得的最優(yōu)點更精確.3)將改進禁忌搜索算法(ITS、TS_SQP)應(yīng)用于系統(tǒng)辨識,以改善傳統(tǒng)的辨識辦法存在局部極小等缺點,并實現(xiàn)了對包括滯后在內(nèi)的所有參數(shù)同時辨識.通過對液位儲罐模型、離散、連續(xù)以及高階系統(tǒng)的仿真實驗表明了算法的可行性及有效性.4)將改進的禁忌搜索算法(ITS、TS_SQP)應(yīng)用于反饋神經(jīng)網(wǎng)絡(luò)的訓練.其方法實質(zhì)是將神經(jīng)網(wǎng)絡(luò)的訓練問