回溯搜索優(yōu)化算法的研究和應(yīng)用.pdf

1、優(yōu)化是應(yīng)用數(shù)學(xué)中一個重要研究領(lǐng)域，群智能優(yōu)化算法是優(yōu)化中一個重要的研究方向；伴隨著計算機技術(shù)的發(fā)展，群智能優(yōu)化算法在越來越多的科技領(lǐng)域得到應(yīng)用和重視?；厮菟阉鲀?yōu)化算法(BSA)是一種基于種群的進化算法,算法框架與差分進化算法類似,但在變異操作和交叉操作上,與差分進化算法有本質(zhì)的區(qū)別。BSA的變異算子和交叉算子新穎而高效,能很好地平衡開發(fā)能力和探索能力，但是BSA仍然存在不足，首先，其變尺度系數(shù)有較大方差，會產(chǎn)生規(guī)模過大或過小的數(shù)值，從而

2、造成收斂失效或加大陷入局部最優(yōu)可能性，其次，兩種交叉策略的隨機調(diào)用造成搜索一定的盲目性，會降低算法搜索效率.針對這些問題，本文提出幾種改進BSA和基于BSA的混合進化算法，并將BSA算法應(yīng)用于若干實際問題的求解中，主要研究工作如下：
　　本文先以進化算法為切入點，介紹了智能優(yōu)化算法的研究背景和近年來較流行的智能優(yōu)化算法及其改進體，然后敘述BSA算法，并將其他群智能優(yōu)化算法進行對比分析，得出其優(yōu)缺點。隨后，針對BSA算法的不足之處，

3、分別對回溯搜索優(yōu)化算法（IBSA）的變異算子和交叉算子展開改進：針對BSA變異算子開采能力弱的缺點，提出了一種雙歷史種群引導(dǎo)模式的新變異算子，能有效地提高算法的開發(fā)能力，加快收斂速度，并結(jié)合差分進化算法的多種變異算子，對比分析了新變異算子的性能;結(jié)合BSA的聯(lián)合交叉算子特點，設(shè)計了基于適應(yīng)度的智能調(diào)用策略，能更有目的地調(diào)用兩種交叉方式，增加了BSA的穩(wěn)定性。最后，研究了BSA的實際應(yīng)用能力，分別為求解調(diào)頻聲波合成參數(shù)估計問題，提出基于差