改进连续域蚁群算法论文-靳通通,吴淑芳,李松,王腾飞

改进连续域蚁群算法论文-靳通通,吴淑芳,李松,王腾飞

导读:本文包含了改进连续域蚁群算法论文开题报告文献综述及选题提纲参考文献,主要关键词:蚁群算法,连续域优化,轻量化,桥式起重机主梁

改进连续域蚁群算法论文文献综述

靳通通,吴淑芳,李松,王腾飞[1](2019)在《面向主梁轻量化的改进连续域蚁群算法研究》一文中研究指出在ACOR算法框架的基础上总结出了连续域基本蚁群算法,但这种算法存在局部探索能力差、稳定性欠佳、约束处理不足等问题,故对连续域基本蚁群算法进行了如下改进:引入了伪随机比例规则改进种子解的选取方法,对信息素分布中心进行适当的随机扰动,对信息素分布的标准差进行改造,使用DCPM方法处理约束条件。以起重机主梁轻量化为例对改进前后的连续域基本蚁群算法及遗传算法(GA)进行算法性能对比,结果显示,改进后的连续域基本蚁群算法优于其他两种算法,运用其解决优化问题具有较高的可靠性。(本文来源于《机械设计与制造工程》期刊2019年01期)

刘波[2](2015)在《蚁群算法基于网格化分策略的连续域改进分析》一文中研究指出空间函数优化是蚁群算法中常遇到的问题,针对这一问题基于网格划分策略提出了一种改进方式。该算法通过利用特殊的信息更新策略,使得信息素在更新时无需使用具体的目标函数值,在这种状态下目标函数差异化就不会令结果出现问题,既不会带来不利影响。并且在计算中网格点可以直接将信息素作为转移概率使用。(本文来源于《科技创新与应用》期刊2015年08期)

黄永青,郝国生,钟志水,胡为成,杜娟[3](2013)在《基于网格划分策略的连续域改进蚁群算法》一文中研究指出针对连续空间函数优化问题,提出一种基于网格划分策略的改进蚁群算法。算法使用一种特殊的信息素更新策略,使得更新信息素时不需要使用解的具体目标函数值,从而降低了目标函数值差异化给算法性能带来的不利影响,并且网格点上的信息素可以直接作为构建解过程中的转移概率。对几种典型的连续函数优化问题进行了测试,实验结果表明所提出算法具有很强的搜索能力。(本文来源于《计算机工程与应用》期刊2013年09期)

胡元[4](2012)在《一种连续域函数优化蚁群算法的改进设计》一文中研究指出本文在一种连续域函数优化蚁群算法基础上,对该算法做了进一步的改进,引入了自动判断收敛条件方法,同时,也改进了蚁群初始化方法、全局搜索策略以防止早熟和停滞现象。通过与其他连续域函数优化算法的比较结果证明,改进后的算法稳定性较好。(本文来源于《计算机光盘软件与应用》期刊2012年04期)

苏杨[5](2011)在《改进连续蚁群算法及其在经济负荷分配问题中的应用》一文中研究指出充分发展了连续蚁群算法ACOR,使之在与各种主流算法的比较中显示了较大的优越性,并将其应用于解决电力系统的经济负荷分配问题,取得了良好的效果。(本文来源于《机电工程技术》期刊2011年10期)

李朝辉[6](2011)在《连续域蚁群算法的改进研究及在参数估计中的应用》一文中研究指出蚁群算法是在20世纪90年代早期提出的一种群智能随机优化算法,其优越的分布式搜索模式在组合优化问题的求解中取得了成功,引起了许多学者的极大关注。蚁群算法本质上是离散的,在求解连续域优化问题时,往往存在收敛速度慢、易陷入局部最优等缺点。如何对蚁群算法在连续空间的寻优方式进行改进,以提高其优化性能,这正是本文研究的主要内容。在分析总结了用于连续域优化的蚁群算法的基础上,对蚂蚁构建解的过程和在保持种群多样性上进行了改进,提出了一种新的含维变异算子的连续域改进蚁群算法(DMCACO)。该算法采用动态随机抽取策略来确定目标个体,引导蚁群进行全局的快速搜索;当前最优蚂蚁在邻域内以模式探测的方式进行小步长的局部精细搜索。同时,引入了不同于传统变异方式的维变异算子,且变异保持的策略使变异可以更为充分和均匀。对测试函数的仿真结果表明,该算法具有较好的优化性能。接着,结合改进的约束处理机制,将本文提出的连续域蚁群算法扩展到用于求解约束优化问题。通过引入目标满意度函数和惩罚满意度函数的概念,构建了基于惩罚函数法的新的适应度函数,其中的系数随种群的可行解比例动态自适应变化,不会过大或过小。另外,采取了当前最优不可行解向最优可行解转移的搜索策略,有效利用了约束边界附近不可解的信息。然后通过13个标准测试函数验证了算法的有效性。最后,将改进的连续域蚁群算法用于求解多元线性回归模型和非线性Logistic回归模型的参数估计问题。通过算例仿真结果可知,本文所提算法为求解回归模型的参数估计问题提供了一条有效的途径。(本文来源于《中南大学》期刊2011-06-30)

赵义武,牛庆银,王宪成,郭官周[7](2010)在《一种改进的连续域蚁群算法》一文中研究指出简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。(本文来源于《装甲兵工程学院学报》期刊2010年06期)

黎丹萍[8](2008)在《基于改进连续蚁群算法的化工生产过程优化》一文中研究指出对于化工生产过程系统这种典型的复杂系统而言,优化方法是一种能提高其系统性能的有效手段。优化技术对其效率的提高、能耗的降低、资源的合理利用及经济效益的提高等均有显着的效果。但是随着化工过程目标问题的规模越来越大,模型结构也越来越复杂,实现系统的最优化也越来越困难,对现有的优化方法提出了挑战,因此对高效的智能化的优化技术的需求日益迫切。针对这一问题,本文采用一种较新的智能优化方法,即蚁群优化算法(Ant ColonyOptimization,ACO)来对化工生产过程进行优化。蚁群优化算法以其优越的问题分布式求解模式在组合优化问题的求解中取得了极大成功,但很多化工过程上的实际问题通常表达成一个连续的最优化问题。如何拓展蚁群优化算法的功能,使之也适用于连续问题,此为亟待应对的挑战,这也是本文的主要研究内容。本文首先从生物学原理和数学原理两方面对基本蚁群优化算法进行了深入地分析,并建立了其数学模型和程序框架。然后讨论了基本蚁群算法的离散本质,以及用其解决连续域优化问题的主要思路。在此思路的指导下,提出了一种改进的连续蚁群优化算法。并选用典型的连续域优化问题,将其与基于网格划分策略的连续域蚁群算法的有效性进行了比较和验证。之后运用算法融合思想,将蚁群优化的基本思想与神经网络相融合,用改进的连续域蚁群算法对神经网络的权阈值进行了优化,弥补了BP网络易于陷入局部最小的缺点。并用实例验证了这一新的连续蚁群BP网络的可行性。最后将之前提出的改进的连续蚁群算法和基于此算法的BP网络分别运用与丁烯烷化过程的优化和热偶精馏塔的模拟优化,并用MATLAB语言编写了仿真程序。本文提出的此种改进的连续蚁群算法原本只能应用于无约束的连续域优化问题的求解,本文提出将其应用于带约束的丁烯烷化过程的优化,解决了算法适应问题,仿真结果显示,求解的稳定性和全局优化性能良好。而在热偶精馏塔的建模中,新的连续蚁群BP网络也体现了良好的预测效果,具有足够的精度模拟其生产过程。(本文来源于《大连理工大学》期刊2008-12-01)

李亚韫[9](2008)在《连续域蚁群算法的改进研究与应用》一文中研究指出蚁群算法(ant colony algorithm简称ACA)是最近几年才提出来的一种新型的模拟进化算法,它来源于对真实蚂蚁群体寻找从巢穴到食物源最短路径方法的模拟,体现了真实蚁群的协作过程。蚁群算法不仅能够智能搜索、全局优化,而且具有高度的本质并行性、正反馈性、鲁棒性及协同性等优点,在解决复杂离散优化问题上显示出了良好的适应性,具有许多优良品质和实际应用价值,是一种很有前景的方法。既然蚁群算法在求解离散优化问题上有很好的性能,那么人们自然会想到将它应用到连续优化问题时是否也能取得好的结果。为此有许多学者作了这方面的研究,但基于蚁群算法来源于求解离散问题这一特殊性,求解连续问题时须先进行一定的改动。他们引入其它方法的思想先将连续问题离散化,然后再运用蚁群算法进行求解。研究结果发现这些方法应用于连续优化问题寻优还有待进一步发展,本文正是针对这一不足,进行蚁群算法连续域寻优的研究,提出一些新的改进措施,使得蚁群算法更适应连续域寻优。第一:仿照真实蚂蚁工作机制,将蚂蚁分为两大类型:侦察蚁和探索蚁。两种蚂蚁用不同的方法完成各自的工作,且相互合作共同达到寻优目的。侦察蚁用快速寻优机制和简单的信息素交流机制,可以有效地先在连续域上先进行侦察。而探索蚁在侦察蚁形成的一个信息素保留点列表基础上进行有向随机寻优,用确定性与随机性相结合的方式来工作,即保证了向信息素浓度高的点的方向移动,避免盲目寻优,同时也保证了搜索的随机性。整个算法未刻意地将连续空间离散化,蚂蚁自由地在寻优空间内移动,只是每次寻优结果和遗留的信息素以离散形式进行保存和交流。仿真实验证明两类蚂蚁相结合的蚁群算法进行连续域寻优时寻优性能大大优于其它连续域蚁群算法。第二:算法中需要人为设置的参数多,而现今参数设置大多以经验为主。用遗传算法对人为设置参数进行优化,优化时采用实数制编码、算术交叉、非均匀变异等改进遗传操作。通过对二维和高维函数进行仿真可以证明用遗传算法能够找到一组较优参数,可使蚁群算法连续域寻优时获得较好的寻优性能。本文还将改进后蚁群算法应用到PID参数控制器优化方面,仿真实验证明用改进连续域蚁群算法优化后的PID控制器参数使得系统响应性能有所改善。体现了连续域蚁群算法在实际应用中的价值。第叁:针对改进后的蚁群算法在高维函数寻优时性能仍有所欠佳的问题,充分利用人工鱼群算法的特点,先对高维函数进行寻优,寻得的满意解域再作为蚁群算法寻优空间,这样结合降低了蚂蚁很大一部分工作量。仿真实验表明这种改进措施一定程度上可以提高蚁群算法的高维函数寻优性能,但还仍需进一步对蚁群算法进行内部改进以适应高维函数优化。(本文来源于《太原理工大学》期刊2008-05-01)

粟娟,唐立军,罗日成,郝建军[10](2007)在《改进连续蚁群算法在变压器局部放电超声波定位中的应用》一文中研究指出介绍了用于变压器局部放电超声定位的改进后的连续蚁群算法,并给出了应用实例。(本文来源于《变压器》期刊2007年07期)

改进连续域蚁群算法论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

空间函数优化是蚁群算法中常遇到的问题,针对这一问题基于网格划分策略提出了一种改进方式。该算法通过利用特殊的信息更新策略,使得信息素在更新时无需使用具体的目标函数值,在这种状态下目标函数差异化就不会令结果出现问题,既不会带来不利影响。并且在计算中网格点可以直接将信息素作为转移概率使用。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

改进连续域蚁群算法论文参考文献

[1].靳通通,吴淑芳,李松,王腾飞.面向主梁轻量化的改进连续域蚁群算法研究[J].机械设计与制造工程.2019

[2].刘波.蚁群算法基于网格化分策略的连续域改进分析[J].科技创新与应用.2015

[3].黄永青,郝国生,钟志水,胡为成,杜娟.基于网格划分策略的连续域改进蚁群算法[J].计算机工程与应用.2013

[4].胡元.一种连续域函数优化蚁群算法的改进设计[J].计算机光盘软件与应用.2012

[5].苏杨.改进连续蚁群算法及其在经济负荷分配问题中的应用[J].机电工程技术.2011

[6].李朝辉.连续域蚁群算法的改进研究及在参数估计中的应用[D].中南大学.2011

[7].赵义武,牛庆银,王宪成,郭官周.一种改进的连续域蚁群算法[J].装甲兵工程学院学报.2010

[8].黎丹萍.基于改进连续蚁群算法的化工生产过程优化[D].大连理工大学.2008

[9].李亚韫.连续域蚁群算法的改进研究与应用[D].太原理工大学.2008

[10].粟娟,唐立军,罗日成,郝建军.改进连续蚁群算法在变压器局部放电超声波定位中的应用[J].变压器.2007

标签:;  ;  ;  ;  

改进连续域蚁群算法论文-靳通通,吴淑芳,李松,王腾飞
下载Doc文档

猜你喜欢