学位论文 > 优秀研究生学位论文题录展示

Tabu Search及其在前馈神经网络中的应用研究

作　者: 贺一
导　师: 刘光远；廖伯琴
学　校: 西南师范大学
专　业: 课程与教学论
关键词: 禁忌搜索计算智能亚启发式算法前馈神经网络遗传算法模拟退火算法集中性与多样性搜索策略初始解组合优化旅行商问题收敛概率收敛速度
分类号: B841
类　型: 硕士论文
年　份: 2003年
下　载: 148次
引　用: 1次
阅　读: 论文下载

内容摘要

Tabu Search是一种新的亚启发式(meta-heuristic)算法，简称TS，由美国科罗拉多大学系统科学家Fred Glover教授于1986年首次提出。TS与模拟退火算法SA、遗传算法GA、蚂蚁算法ACS、混沌等一样，都是通过模拟或揭示某些自然现象或智力过程而形成的一套算法，以用于求解各种工程问题中的优化解。TS以其灵活的存储结构和相应的禁忌准则来避免迂回搜索，在优化算法中独树一帜，已经成为计算智能CI(Computational Intelligence)领域的又一研究热点，受到了国内外学者的广泛关注。TS首先在加工调度(Job-shop)问题中得到了成功的应用，并逐渐应用到其它领域，如组合优化、函数优化等。本文在现有研究成果的基础之上，主要做了三方面的工作： (1)以组合优化问题中的代表TSP(Traveling Salesman Problem)为例，探讨了TS中算法参数的选择对搜索性能的影响，集中研究了两点：①初始解的生成算法；②集中性和多样性策略。 (2)提出将遗传算法中的变异操作思想引入到TS中，以降低TS对初始解的敏感性； (3)将TS应用于神经网络，主要研究了将TS作为BP网络的训练算法。论文论述了TS的基本思想，并通过大量仿真实验证实了上述工作的正确性，取得了如下几方面的研究成果：＊）以 TSP为例，根据问题规模和应用要求，对初始解生成算法的选择提出了建设性的意见；提出了一种自适应的集中性与多样性搜索策略，较好地解决了集中性搜索和多样性搜索之间的矛盾。 p）将基于概率性的变异操作和基于搜索进程的自适应变异操作引入到TS中，降低了TS对初始解的敏感性，进一步提高了TS的寻优能力。（3）针对BP算法在本质上属于局部寻优算法的不足，将TS用于前馈神经网络，对其权值进行全局优化，提高了的馈神经网络的收敛概率、收敛精度和收敛速度。最后，本文对TS的研究成果及应用前景进行了总结和展望。

全文目录

摘要  4-6
Abstract  6-8
第一章绪论  8-14
  1.1 引言  8-9
  1.2 Tabu Search的研究现状  9-11
    1.2.1 理论与算法研究  9-10
    1.2.2 应用研究  10-11
  1.3 研究意义  11-12
  1.4 本文的具体工作及内容安排  12-14
第二章 Tabu Search的算法基础  14-18
  2.1 TS的基本思想  14-15
  2.2 TS的收敛性  15-16
  2.3 TS的关键参数和操作  16-18
第三章 Tabu Search中各参数的选择对算法性能的影响  18-32
  3.1 概述  18
  3.2 初始解对TS性能的影响研究  18-23
    3.2.1 引言  18-19
    3.2.2 三种初始解生成方法描述  19
    3.2.3 TS算法设计  19-20
    3.2.4 计算机仿真实验  20-22
    3.2.5 讨论  22-23
  3.3 集中性与多样性策略对TS性能的影响研究  23-32
    3.3.1 TS中的集中性(Intensification)搜索与多样性(Diversification)搜索  23-24
    3.3.2 一种新颖的集中性与多样性的自适应搜索策略  24-25
    3.3.3 计算机仿真实验  25-31
    3.3.4 讨论  31-32
第四章 TS与遗传算法的结合  32-40
  4.1 遗传算法概述  32
  4.2 GA中的变异思想  32-33
  4.3 概率性变异操作对TS性能的影响  33-35
    4.3.1 基本思想  33
    4.3.2 仿真实验  33-35
    4.3.3 讨论  35
  4.4 自适应变异操作对TS性能的影响  35-40
    4.4.1 引言  35-36
    4.4.2 基本思想  36
    4.4.3 计算机仿真实验  36-38
    4.4.4 讨论  38-40
第五章 Tabu Search在前馈神经网络中的应用  40-51
  5.1 前馈神经网络概述  40-41
  5.2 TS用于训练前馈神经网络  41-47
    5.2.1 关键技术  41-43
    5.2.2 计算机仿真实验  43-47
  5.3 讨论  47-51
    5.3.1 收敛过程分析  48
    5.3.2 与其它算法的比较  48-49
    5.3.3 收敛概率能达到100％吗  49-50
    5.3.4 结论  50-51
第六章结论及展望  51-53
  6.1 结论  51
  6.2 可以进一步开展的工作  51-53
参考文献  53-58
附录  58-59
致谢  59

Tabu Search及其在前馈神经网络中的应用研究

内容摘要

全文目录

相似论文