群搜索算法與二次插值法的混合算法及其應(yīng)用研究.pdf

1、聲明尸明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責(zé)任由本人承擔(dān)。作者簽名：匆乜／f殳日期：pf，歲1，關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解太原科技大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件、

2、復(fù)印件與電子版；②學(xué)校可以采用影印、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)?？稍试S學(xué)位論文被查閱或借閱；④學(xué)校可以學(xué)術(shù)交流為目的，復(fù)制贈送和交換學(xué)位論文；⑤學(xué)校可以公布學(xué)位論文的全部或部分內(nèi)容(保密學(xué)位論文在解密后遵守此規(guī)定)。作者簽名：切侈促日期：砂f6籮27導(dǎo)師簽名：期)咿加、』、≥2l■■，k■y中文摘要㈣洲㈣0㈣帆Y1789355群搜索算法是一種新興的群智能優(yōu)化算法，源于對群居動物如獅子、魚、鳥的覓食行為的模擬。該算法基于P

3、s模型，并在此基礎(chǔ)上引入了游蕩者策略和動物視覺搜索機制，實現(xiàn)簡單，且擁有良好的全局搜索能力。本文通過引入數(shù)值分析中的二次插值法和最速梯度下降法對標準群搜索算法進行改善，并將其應(yīng)用到非線性方程組求解的問題中。發(fā)現(xiàn)者在群搜索算法中的作用就好似動物的眼睛，它決定了“食物”的位置以及加入者的移動方向，但是由于它在三個方向上的取點皆為隨機采樣，導(dǎo)致算法的局部收斂速度較慢。本文針對群搜索算法這一缺陷，提出了基于二次插值法的群搜索算法(QIGSO)。

4、借助二次插值的理論和方法，在每一次的迭代中利用預(yù)測的局部極值點來代替群搜索算法中的隨機點，提高其收斂速度。為了測試算法的性能，我們使用常用的7個測試函數(shù)進行仿真實驗，結(jié)果表明改進后算法的性能遠遠優(yōu)于標準群搜索算法。為了使改進后的算法能更好的適應(yīng)于非線性方程組求解的問題當(dāng)中，我們在上述算法的基礎(chǔ)上，做了進一步的改善。用最速梯度下降法對所得結(jié)果做再一次的優(yōu)化，由于最速梯度下降法是局部搜索算法，它與全局搜索能力很強的QIGSO算法進行混合，可