- 1、本文档共36页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种新的仿生优化算法食物车——蟑螂算法
第一章 绪 论
2
第一章 绪论
1.1 研究背景
优化是个古老的课题,它所研究的问题是在众多方案中寻找最优方案。随着
高速数字计算机日益广泛应用,使优化问题的研究不仅成为一种迫切需要,而且
有了求解的有力工具。因此,优化理论和算法迅速发展起来,形成一门新的学科。
目前己出现线性规划、整数规划、非线性规划、几何规划、动态规划、随机规划、
网络流等许多分支。这些优化技术在实际应用中正发挥越来越大的作用。随着人
类生存空间的扩大,以及认识世界和改造世界范围的拓宽,常规优化方法如牛顿
法、共扼梯度法、模式搜索法、单纯形法等等己经无法处理人们所面对的复杂问
题。
在面对某些大型问题时,传统的优化方法需要遍历整个搜索空间,从而会产
生搜索的组合爆炸,无法在多项式时间内完成搜索。如许多工程优化问题,由于
其性质十分复杂,常常需要在复杂而庞大的搜索空间中寻找最优解或者准最优7、
0样在计算速度、收敛性、初值敏感性等方面传统的优化方法都远不能满足要求,
[1]
因此高效的优化算法成为科学工作者的研究目标之一 。
随着生物学中的进化论被广泛地应用于工程技术、人工智能(Artificial
Intelligence,AI)等领域中,形成了一类新的搜索算法:仿生算法。其中最具
有代表性的为遗传算法(Genetic Algorithm,GA)、该算法运用了达尔文的“适
者生存、优胜劣汰”的竞争原则,主要是模仿生物学中进化和遗传过程[2][3]。除
了GA外,一些新颖的仿生优化算法得到了迅速发展,如人工神经网络(ANN)在一
[1] [4][5]
定程度上模拟了人脑的组织结构 ; 模拟退火(SA) 思路源于物理学中固体物
质的退火过程;禁忌搜索(TS)模拟了人类有记忆过程的智力过程[6][7]。
近些年,仿生算法中一类模拟生物觅食等行为的优化算法越来越受到人们的
重视。此类算法具有收敛性强、计算代价低、易于并行编程实现等特点[8][9]。其
中最具代表性和影响力的是蚁群算法(Ant Colony Optimization, ACO) [10-15]和粒
子群优化算法(Particle Swarm Optimization, PSO)[16~22]。其他相关算法有人
工鱼群算法(Al-gorithm)[23] 、混合蛙跳算法(Shuffled Frog Leaping
2 国家自然科学基金项目(批准号)和江苏省自然科学基金项目(批准号:BK2006218 )。
1
第一章 绪 论
Algorithm, SFLA)[24]和蜜蜂算法(Honey Bees Optimization,HBO)[25]等。
以上仿生优化算法有三共同点:
1) 从分类上看,都属于仿生优化算法;
2) 都是建立在人工生命基础上的,对群居生物社会系统的模拟;
3) 都基于群体智能 (Swarm Intelligence,SI),且属于计算智能(Cmputatioal
Inteillignce,CI)领域 ;
因此称此类算法为“群体智能优化算法”。
综上所述。优化领域向群智能优化算法的发展已成必然趋势。本文正是顺应
这一趋势,在两个“基金项目”的支持下,通过观察蟑螂的寻食行为,提出一种
新的、高效的群体智能优化算法。
1.2 国内外研究现状
从研究的深度和应用领域的广泛程度来看,目前群智能优化算法领域占主
导地位的仍然是ACO和PSO算法。因此,对此两种算法的研究为本文算法的提出
奠定了坚实的基础。
1.2.1 ACO算法与ACO算法的改进
ACO算法受启发于自然界蚂蚁的寻径方式[10],算法中参加觅食的每一只蚂蚁
都是一个单独计算的单元,由于大量的蚂蚁参与了运算,算法具有很强的并行性。
蚂蚁之间通过信息素
您可能关注的文档
- Twist和E-cadherin在胰腺癌中的表达及意义.pdf
- Quantification of Food Intake in Drosophila 英文参考文献.doc
- Quantification of Lung Fibrosis and Emphysema in Mice Using Automated Micro-Computed Tomography 英文参考文献.doc
- Quantification of miRNA-mRNA Interactions 英文参考文献.doc
- Quantification of global transcription patterns in prokaryotes using spotted microarrays 英文参考文献.doc
- Quantification of Normal Cell Fraction and Copy Number Neutral LOH in Clinical Lung Cancer Samples Using SNP Array Data 英文参考文献.doc
- Quantification of Epithelial Cell Differentiation in Mammary Glands and Carcinomas from DMBA- and MNU-Exposed Rats 英文参考文献.doc
- Quantification of particle-induced inflammatory stress response a novel approach for toxicity testing of earth materials 英文参考文献.doc
- Quantification of Cell Edge Velocities and Traction Forces Reveals Distinct Motility Modules during Cell Spreading 英文参考文献.doc
- Wntβ-catenin信号通路拮抗因子Chibby在鼻咽癌组织中的表达及意义.pdf
- 2025年中山市沙溪镇人民政府所属事业单位招聘11人笔试备考题库及参考答案详解一套.docx
- 2025年中山市横栏镇人民政府所属事业单位第二期招聘笔试高频难、易错点备考题库及参考答案详解一套.docx
- 2025年中山市横栏镇人民政府所属事业单位第二期招聘笔试高频难、易错点备考题库含答案详解.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试高频难、易错点备考题库及完整答案详解1套.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试高频难、易错点备考题库参考答案详解.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试备考题库附答案详解.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试高频难、易错点备考题库附答案详解.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试备考题库附答案详解.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试备考题库及答案详解一套.docx
- 2025年中山市阜沙镇人民政府所属事业单位招聘笔试备考题库及完整答案详解1套.docx
文档评论(0)