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
|
相似论文
- 逆高斯分布参数的Bayes 估计研究,O212.8
- LDPC码译码收敛速度研究,TN911.2
- 拟概率空间上等均值噪声下统计学习理论的理论基础,O211
- 逆威布尔分布的Bayes估计问题,O212.8
- 托普利兹矩阵的一种分解带状逆预处理矩阵,O151.21
- 非线性动态调整惯性权重的粒子群算法,TP301.6
- q-Bernstein型算子逼近与数值积分的误差估计,O174.41
- 基于模糊控制的小波神经网络盲均衡算法,TP273.4
- 一种Renyi熵的正交小波变换盲均衡算法及DSP仿真,TN911.7
- 基于蚁群优化的正交小波变换盲均衡算法,TN911.5
- α混合样本优化型CVaR估计的大样本性质,F832.51
- 基于粗糙模糊样本的统计学习理论的理论基础,O212
- 关于某些正线性算子的逼近问题,O177
- 模糊学习理论的关键定理和一致收敛速度的界,O159
- 基于模糊样本的统计学习理论关键定理,O159
- 非线性约束优化问题的信赖域算法,O224
- 几类分布族参数的经验Bayes统计分析:PA样本情形,O212.8
- 记忆梯度算法研究,O224
- 用三种迭代方法求解奇异非线性方程,O241.6
- 若干分布参数的经验贝叶斯估计的风险分析,O212.8
中图分类: > 哲学、宗教 > 心理学 > 心理学研究方法
© 2012 www.xueweilunwen.com
|