連續(xù)域蟻群算法的改進研究及在參數(shù)估計中的應(yīng)用.pdf

1、蟻群算法是在20世紀(jì)90年代早期提出的一種群智能隨機優(yōu)化算法，其優(yōu)越的分布式搜索模式在組合優(yōu)化問題的求解中取得了成功，引起了許多學(xué)者的極大關(guān)注。蟻群算法本質(zhì)上是離散的，在求解連續(xù)域優(yōu)化問題時，往往存在收斂速度慢、易陷入局部最優(yōu)等缺點。如何對蟻群算法在連續(xù)空間的尋優(yōu)方式進行改進，以提高其優(yōu)化性能，這正是本文研究的主要內(nèi)容。
　　 在分析總結(jié)了用于連續(xù)域優(yōu)化的蟻群算法的基礎(chǔ)上，對螞蟻構(gòu)建解的過程和在保持種群多樣性上進行了改進，提出了

2、一種新的含維變異算子的連續(xù)域改進蟻群算法(DMCACO)。該算法采用動態(tài)隨機抽取策略來確定目標(biāo)個體，引導(dǎo)蟻群進行全局的快速搜索；當(dāng)前最優(yōu)螞蟻在鄰域內(nèi)以模式探測的方式進行小步長的局部精細(xì)搜索。同時，引入了不同于傳統(tǒng)變異方式的維變異算子，且變異保持的策略使變異可以更為充分和均勻。對測試函數(shù)的仿真結(jié)果表明，該算法具有較好的優(yōu)化性能。
　　 接著，結(jié)合改進的約束處理機制，將本文提出的連續(xù)域蟻群算法擴展到用于求解約束優(yōu)化問題。通過引入目標(biāo)

3、滿意度函數(shù)和懲罰滿意度函數(shù)的概念，構(gòu)建了基于懲罰函數(shù)法的新的適應(yīng)度函數(shù)，其中的系數(shù)隨種群的可行解比例動態(tài)自適應(yīng)變化，不會過大或過小。另外，采取了當(dāng)前最優(yōu)不可行解向最優(yōu)可行解轉(zhuǎn)移的搜索策略，有效利用了約束邊界附近不可解的信息。然后通過13個標(biāo)準(zhǔn)測試函數(shù)驗證了算法的有效性。
　　 最后，將改進的連續(xù)域蟻群算法用于求解多元線性回歸模型和非線性Logistic回歸模型的參數(shù)估計問題。通過算例仿真結(jié)果可知，本文所提算法為求解回歸模型的參數(shù)