一种新的仿生优化算法食物车——蟑螂算法.pdfVIP

一种新的仿生优化算法食物车——蟑螂算法.pdf

  1. 1、本文档共36页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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

文档评论(0)

sheppha + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5134022301000003

1亿VIP精品文档

相关文档