学位论文 > 优秀研究生学位论文题录展示
蚁群算法理论、应用及其与其它算法的混合
作 者: 高尚
导 师: 杨静宇
学 校: 南京理工大学
专 业: 模式识别与智能系统
关键词: 蚁群算法 整数规划 聚类问题 K-均值算法 模拟退火算法 遗传算法 混沌 粒子群优化算法 旅行商问题
分类号: TP301
类 型: 博士论文
年 份: 2005年
下 载: 5300次
引 用: 22次
阅 读: 论文下载
内容摘要
意大利学者Dorigo M.,Maniezzo V.和Colorni A.于1992年通过模拟蚁群觅食行为提出了一种基于种群的模拟进化算法—蚁群优化(ACO)。该算法的出现引起了学者们的极大关注,在过去短短十多年的时间里,已在组合优化、网络路由、函数优化、数据挖掘、机器人路径规划等领域获得了广泛的应用,并取得了较好的效果。 本论文围绕蚁群算法的理论及其应用,就如何解决非线性整数规划问题、连续性优化问题、聚类问题、与其它算法混合以及收敛性进行了较为深入、系统的研究。本文的主要研究成果包括: (1) 提出了一种新的蚁群算法来求解无约束的整数规划问题。蚂蚁在整数空间内运动,同时在路径上留下激素,以此引导搜索方向。对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。数值试验计算结果表明该方法比较有效,并具有通用性。对几个典型的整数规划问题,如武器-目标分配、多处理机调度、可靠性优化等问题,根据各问题的特点,采用了不完全相同方法,并与其他方法作了比较,效果比较有效。提出了一种求解旅行商问题的多样信息素的蚁群算法。根据蚁群算法信息素更新的特性,把蚁群的三种不同的信息素更新方式混合在一起,既利用了局部信息,又考虑了整体信息,将局部搜索和全局搜索相结合,使收敛性得到提高。旅行商问题的仿真实验结果表明了该混合算法的有效性。提出一种解决连续优化问题的蚁群算法。把连续解空间分成若干空间网格点,采用蚁群算法找出信息量大的空间网格点,缩小变量范围,继续找出信息量大的空间网格点,直到网格的间距小于预先给定的精度。 (2) 对模式识别中典型问题-聚类问题进行了研究,提出了两种求解聚类问题的蚁群算法。一种方法是模拟蚂蚁寻食过程,蚂蚁在模式样本到聚类中心的路径上留下外激素,外激素引导聚类过程;另一种是与K-均值算法混合,利用K-均值方法的结果作为初值,根据分类结果更新信息素。测试数据显示与K-均值算法混合的算法效果相当好。 (3) 提出了与模拟退火算法混合的两种算法。一种是在模拟退火算法中运用蚁群算法思想找邻域的解,称为蚁群模拟退火算法,并用该算法解决圆排列问题;另一种是由模拟退火算法生成初始信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解后,再经过模拟退火算法在邻域内找另外一个解的操作,得到更有效的解,称为模拟退火蚁群算法,并用该算法解决旅行商问题。 (4) 根据蚁群算法与遗传算法的特性,提出了与遗传算法混合的蚁群算法。由遗传算法生成初始信息素分布,在蚂蚁算法寻优中,采用遗传算法的交叉和变异的策略,得到更有效的解。
|
全文目录
摘要 5-7 Abstract 7-10 目录 10-14 1 绪论 14-24 1.1 引言 14 1.2 蚁群算法的基本原理 14-18 1.3 蚁群算法理论研究现状 18-20 1.4 蚁群算法应用研究现状 20-21 1.5 本文的主要工作 21-22 1.6 本文的内容安排 22-24 2 求解整数规划的蚁群算法 24-44 2.1 求解一般非线性整数规划的蚁群算法 24-28 2.1.1 引言 24 2.1.2 求解非线性整数规划的蚁群算法 24-26 2.1.3 算例分析 26-28 2.2 武器-目标分配问题的蚁群算法 28-31 2.2.1 引言 28 2.2.2 武器-目标分配问题 28-29 2.2.3 武器-目标分配问题的蚁群算法 29-30 2.2.4 仿真结果 30-31 2.3 多处理机调度问题的蚁群算法 31-35 2.3.1 引言 31 2.3.2 多处理机调度问题数学模型 31-32 2.3.3 解多处理机调度问题模拟退火算法 32-33 2.3.4 解多处理机调度问题蚁群算法 33 2.3.5 算法比较 33-35 2.4 可靠性优化的蚁群算法 35-41 2.4.1 引言 35 2.4.2 最优冗余优化模型及解法 35-36 2.4.3 可靠性优化的模拟退火算法 36-37 2.4.4 可靠性优化的遗传算法 37-38 2.4.5 可靠性优化的蚁群算法 38-39 2.4.6 算例分析 39-41 2.5 求解旅行商问题的多样信息素的蚁群算法 41-43 2.5.1 信息素更新的三个模型 41 2.5.2 多样信息素更新规则 41-42 2.5.3 算法测试 42-43 2.6 本章小结 43-44 3 连续优化问题的蚁群算法研究 44-47 3.1 无约束非线性最优化问题 44 3.2 连续优化问题的蚁群算法 44-46 3.3 数值分析 46 3.4 本章小结 46-47 4 聚类问题的蚁群算法 47-52 4.1 引言 47 4.2 聚类问题的数学模型 47 4.3 解聚类问题的K均值算法 47-48 4.4 解聚类问题的模拟退火算法 48 4.5 解聚类问题的蚁群算法及数值分析 48-50 4.5.1 解聚类问题的蚁群算法 48-49 4.5.2 数值分析 49-50 4.6 解聚类问题的与K-均值算法混合的蚁群算法及数值分析 50-51 4.6.1 解聚类问题的K-均值算法混合的蚁群算法 50-51 4.6.2 数值分析 51 4.7 本章小结 51-52 5 与模拟退火算法混合 52-60 5.1 引言 52 5.2 解圆排列问题的蚁群模拟退火算法 52-57 5.2.1 圆排列问题及与旅行商问题等价 52-53 5.2.2 解旅行商问题的模拟退火算法 53-54 5.2.3 几种算法的比较 54-56 5.2.4 算例分析 56-57 5.3 解旅行商问题的模拟退火蚁群算法 57-59 5.3.1 混合的基本思想 57 5.3.2 找邻域解策略 57-58 5.3.3 模拟退火蚁群算法 58 5.3.4 算法测试 58-59 5.4 本章小结 59-60 6 与遗传算法混合 60-65 6.1 引言 60 6.2 基本遗传算法 60 6.3 蚁群算法与遗传算法的混合 60-63 6.3.1 混合的基本思想 60-61 6.3.2 遗传算法的变异操作 61-62 6.3.3 遗传算法的交叉操作 62 6.3.4 遗传蚁群算法 62-63 6.4 算法测试 63-64 6.5 本章小结 64-65 7 与混沌理论混合 65-70 7.1 引言 65 7.2 混沌及运动特性 65 7.3 基本蚁群算法改进 65-67 7.3.1 混沌初始化 65-67 7.3.2 选择较优解 67 7.3.3 混沌扰动 67 7.4 混沌蚁群算法 67-68 7.5 算法测试 68-69 7.6 本章小结 69-70 8 与粒子群算法混合 70-92 8.1 粒子群算法基本理论 70-71 8.2 模拟退火思想的粒子群算法 71-74 8.2.1 几种模拟退火思想的粒子群算法 71-73 8.2.2 算法测试 73-74 8.3 背包问题的混合粒子群优化算法 74-78 8.3.1 背包问题数学模型 74 8.3.2 解0-1背包问题的混合粒子群算法 74-76 8.3.3 数值仿真与分析 76-78 8.4 混沌粒子群优化算法研究 78-82 8.4.1 基本粒子群算法不足 78-79 8.4.2 混沌粒子群优化算法 79-80 8.4.3 算法测试 80-82 8.5 粒子群优化算法在其他方面应用 82-84 8.5.1 指派问题的粒子群优化算法 82 8.5.2 武器-目标分配问题的粒子群优化算法 82-83 8.5.3 解聚类问题的粒子群算法 83-84 8.6 蚁群算法与粒子群优化算法的混合 84-91 8.6.1 引言 84-85 8.6.2 求解旅行商问题的混合粒子群优化算法 85-88 8.6.3 求解旅行商问题粒子群-蚁群算法 88-91 8.7 本章小结 91-92 9 最短路的蚁群算法收敛性分析 92-100 9.1 引言 92 9.2 最短路的蚁群算法收敛性分析 92-94 9.3 仿真算例 94-99 9.4 本章小结 99-100 结束语 100-103 致谢 103-104 参考文献 104-110 附录 110-111
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- K-均值聚类算法的研究与改进,TP311.13
- 部队人员网上训练与考核系统的开发,TP311.52
- 关于混沌系统同步控制方面的研究,O415.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 低压电力线载波通信可靠性研究,TM73
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 混沌振子多进制调制解调技术研究,TN915.05
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法
© 2012 www.xueweilunwen.com
|