版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、實(shí)際生活中的許多問(wèn)題都可以轉(zhuǎn)化為約束優(yōu)化問(wèn)題來(lái)處理,而約束問(wèn)題的求解往往是工作的重點(diǎn)和難點(diǎn)。人工蜂群(ABC)算法為求解約束優(yōu)化問(wèn)題提出了一種新的思路,它和其他群智能算法一樣,具有并行性高、魯棒性好和通用性強(qiáng)等優(yōu)點(diǎn)。
初始蜜源的質(zhì)量對(duì)ABC算法的性能影響很大,甚至不少的ABC算法都要求其是可行的,但是傳統(tǒng)的隨機(jī)搜索很難得到令人滿意的結(jié)果,尤其是對(duì)于可行域占較小比例的強(qiáng)約束優(yōu)化問(wèn)題。為了提高初始蜜源的質(zhì)量和增強(qiáng)ABC算法的尋優(yōu)效
2、率,本文建立RCGABC算法模型,可以根據(jù)問(wèn)題的特點(diǎn)靈活的選擇比例系數(shù),生成滿足需要的高質(zhì)量初始可行蜜源。首先,利用蒙特卡洛法近似模擬問(wèn)題可行域在搜索域中占的比例,設(shè)置相應(yīng)的控制參數(shù);其次,利用改進(jìn)的ABC算法生成滿足需要的可行蜜源集S1;然后,根據(jù)本文建立的隨機(jī)壓縮搜索算法(RCSA)對(duì)蜜源集S1進(jìn)行擴(kuò)充,得到可行蜜源集S2;最后,利用聚類(lèi)算法將可行蜜源集S2進(jìn)行分類(lèi),并根據(jù)蜜源的空間距離通過(guò)貪婪準(zhǔn)則選取最優(yōu)蜜源。為了驗(yàn)證算法的有效性
3、,本文選取兩個(gè)較為復(fù)雜的測(cè)試函數(shù),關(guān)于計(jì)算時(shí)間和蜜源多樣性兩個(gè)方面,分別利用隨機(jī)法、ABC算法、隨機(jī)壓縮法以及RCGABC算法進(jìn)行Matlab編程實(shí)驗(yàn),通過(guò)結(jié)果的對(duì)比分析,進(jìn)而驗(yàn)證本文的RCGABC算法的高效性。
關(guān)于連續(xù)函數(shù)的約束優(yōu)化問(wèn)題,本文建立改進(jìn)混合人工蜂群算法求解模型。首先,利用RCGABC算法生成初始可行蜜源集;然后,針對(duì)采蜜蜂和觀察蜂建立自適應(yīng)鄰域搜索方式如下式:new_Xji=Xji+Φji·(Xji-Xjk)
4、+Ψji·(Xjgi-Xji)
改進(jìn)后的鄰域搜索操作在原始鄰域搜索公式中加入全局最優(yōu)蜜源指引項(xiàng)(Xjgi-Xji),同時(shí)根據(jù)當(dāng)前蜜源集的結(jié)構(gòu)特征設(shè)計(jì)自適應(yīng)加速因子Ψji,以及根據(jù)算法的進(jìn)化代數(shù)設(shè)計(jì)自適應(yīng)比例因子Φji,通過(guò)自適應(yīng)調(diào)控蜂群向鄰域蜜源和最優(yōu)蜜源的搜索步長(zhǎng),增強(qiáng)算法的適應(yīng)和尋優(yōu)能力;其次,采用基于模擬退火策略的蜂群選擇機(jī)制,增強(qiáng)算法開(kāi)拓能力,加快算法的收斂速度;最后,建立基于有限制壓縮搜索算法(LCSA)和隨機(jī)壓縮搜
5、索算法(RCSA)的修補(bǔ)算子,保證蜜源在算法迭代過(guò)程中的可行性和多樣性,提高算法的搜索效率。為了驗(yàn)證本文算法模型的有效性,選用7個(gè)不同類(lèi)型的測(cè)試函數(shù)進(jìn)行編程實(shí)驗(yàn),并將多次運(yùn)行得到的結(jié)果與罰函數(shù)ABC算法、罰函數(shù)遺傳算法進(jìn)行對(duì)比,驗(yàn)證本文算法無(wú)論在最優(yōu)解質(zhì)量還是在收斂速度上都是最好的。
關(guān)于組合約束優(yōu)化問(wèn)題,本文建立NDABC算法求解模型。首先采用序號(hào)編碼方式表示約束問(wèn)題的變量集,隨機(jī)生成序號(hào)集的全排列作為算法的初始蜜源,根據(jù)問(wèn)
6、題的特點(diǎn)采用貪婪準(zhǔn)則和禁忌搜索策略生成相應(yīng)的實(shí)際組合方案;然后針對(duì)序號(hào)編碼的蜜源建立自適應(yīng)的鄰域搜索方式,根據(jù)算法的迭代過(guò)程自適應(yīng)的設(shè)置序號(hào)操作個(gè)數(shù),并根據(jù)問(wèn)題的特點(diǎn)選擇相應(yīng)的操作方式,自適應(yīng)操作如下式所示:ME(cycle)=([)rand(0,1)·MEmrise×[1-(cycle/Maxcycle)2]」+MEmin
其中,cycle和Maxcycle分別為當(dāng)前和最大進(jìn)化代數(shù),MEmrise和MEmin分別表示最大序號(hào)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 人工蜂群算法求解約束優(yōu)化問(wèn)題的研究.pdf
- 幾類(lèi)優(yōu)化問(wèn)題的人工蜂群算法.pdf
- 人工蜂群算法優(yōu)化感知機(jī).pdf
- 基于人工蜂群算法的泵站運(yùn)行優(yōu)化研究.pdf
- 基于人工蜂群算法的分類(lèi)算法研究.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 求解離散優(yōu)化問(wèn)題的人工蜂群算法研究.pdf
- 基于人工蜂群算法的云計(jì)算.pdf
- 基于動(dòng)態(tài)罰函數(shù)和多目標(biāo)的人工蜂群算法求解約束優(yōu)化問(wèn)題的研究.pdf
- 基于改進(jìn)人工蜂群算法的機(jī)組組合優(yōu)化方法.pdf
- 基于人工蜂群算法的配電網(wǎng)無(wú)功優(yōu)化配置.pdf
- 求解大規(guī)模優(yōu)化問(wèn)題的自適應(yīng)人工蜂群算法研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類(lèi)研究
- 基于改進(jìn)人工蜂群算法的聚類(lèi)研究.pdf
- 基于人工蜂群算法的大壩安全監(jiān)測(cè).pdf
- 基于人工蜂群算法的云任務(wù)調(diào)度研究.pdf
- 人工蜂群算法的研究與改進(jìn).pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 人工蜂群算法的研究與應(yīng)用.pdf
- 基于人工蜂群算法的組播路由優(yōu)化與仿真.pdf
評(píng)論
0/150
提交評(píng)論