基于蟻群算法的參考天空分類優(yōu)化方法研究.pdf

1、近些年來，能源問題越來越趨于緊張，如果可以充分的利用自然光，對節(jié)約能源將起到十分重要的意義。而天空亮度分布正是利用自然光的一個非常重要的因素。本文將在國內(nèi)外對天空亮度分布模型的研究成果基礎(chǔ)上，基于我國光氣候條件下的觀測資料，從影響天空亮度分布的氣象參數(shù)出發(fā)，采用蟻群算法來研究天空分類方法，進(jìn)而得到相應(yīng)的天空亮度分布模型，為tp301.6提供理論依據(jù)。
　　 蟻群算法是一種仿生類的群體優(yōu)化算法，該算法具有較為優(yōu)秀的分布式求解能力。

2、在這些年的發(fā)展中，算法在組合優(yōu)化問題的求解上取得了比較大的成就，在國內(nèi)外都有一定的影響力。但是算法本身的離散性本質(zhì)限制了其在連續(xù)空間優(yōu)化問題中的應(yīng)用，由于本文所要研究的天空亮度分布模型參數(shù)優(yōu)化問題是一個連續(xù)空間的優(yōu)化問題，那么如何能合理的將蟻群算法應(yīng)用到連續(xù)空間優(yōu)化問題中去將成為本文研究的一個重點。
　　 蟻群算法又是一種概率選擇算法，螞蟻的移動跟信息素的分布狀況息息相關(guān)，所以要構(gòu)建一個性能優(yōu)越的蟻群算法，設(shè)計一個合理的信息素分

3、布模型是關(guān)鍵。在蟻群算法優(yōu)化連續(xù)空間問題上，本文提出了兩種不同的優(yōu)化算法，一種是基于網(wǎng)格劃分的連續(xù)蟻群算法(DACO)，另外一種是基于正態(tài)分布的連續(xù)蟻群算法(GACO)。DACO借鑒了基本蟻群算法優(yōu)化離散問題的思想，將解空間的每一維都劃分成網(wǎng)格，在每一維上，信息素離散的分布在各個網(wǎng)格點上，螞蟻從起始點出發(fā)，根據(jù)各維網(wǎng)格點上信息素的含量，逐維選擇經(jīng)過的網(wǎng)格點，經(jīng)過Ⅳ次選擇之后，最終到達(dá)終點，構(gòu)建出可行解。經(jīng)過多個經(jīng)典的函數(shù)測試，該算法適合

4、求解維度較低，并且較為簡單的優(yōu)化問題。與DACO不同，GACO的信息素是連續(xù)分布的，并且在解空間的各個維上都呈正態(tài)分布。GACO通過對信息素分布函數(shù)進(jìn)行采樣來完成螞蟻的狀態(tài)轉(zhuǎn)移，通過更新最優(yōu)螞蟻所在位置，以及信息素分布函數(shù)的寬度值來更新信息素分布。為了改善算法尋找優(yōu)秀解的能力，GACO引入了模式搜索策略。經(jīng)過多個經(jīng)典測試函數(shù)測試，GACO具有較好的求解高維復(fù)雜問題的能力。
　　 最后，通過仿真實驗，利用實際觀測數(shù)據(jù)，結(jié)合GACO