学位论文 > 优秀研究生学位论文题录展示
基于蚁群优化的约束求解算法研究
作 者: 薛秋实
导 师: 张永刚
学 校: 吉林大学
专 业: 计算机软件与理论
关键词: 约束满足问题 蚁群优化算法 弧相容 参数调节
分类号: TP18
类 型: 硕士论文
年 份: 2013年
下 载: 48次
引 用: 0次
阅 读: 论文下载
内容摘要
约束满足问题(Constraint Satisfaction Problems,CSPs)是人工智能领域研究的重要问题,也是当前研究的热点。CSPs的应用非常广泛,与我们的日常生活息息相关,如日程安排、资源配置、模式识别和机器视觉等。对CSPs的研究历史悠久,事实上,早在计算机诞生的一百年前,就有人提出了经典的8-皇后问题,拉开了CSPs研究的序幕。随着计算机技术的发展,CSPs逐渐从纯学术研究走向现实应用,并在解决许多重要问题中大显身手。我们现在所看到的CSPs框架起源于1963年Ivan Sutherland的博士论文“Sketchpad:Aman-machine graphical communication system”。CSPs研究的两大领域分别是表示和推理。约束网络是CSPs的一种重要表示方法,能够将各种CSPs实例统一为一种可以公式化表示的数学范式。这种表示方法有两个优点:一是简洁规范,研究人员不需要了解具体的问题,从约束网络就可以知道问题的所有信息,从而可以集中精力研究问题的求解,统一的平台也方便了人们的交流;二是容易实现,开发人员可以轻松地在计算机中实现约束网络的数据结构,为实验和实际应用带来了很大便利。CSPs的推理主要分为两大类:约束传播和搜索。约束传播的目的是简化问题;搜索技术的核心是回溯,理论上可以完备性求解所有CSPs。本文考察了约束满足问题在组合优化问题(Combinatorial Optimization Problems,COPs)上的应用。COPs与我们的日常生活联系更加紧密,如车间调度等。实际上,任何有限资源条件下的分配问题都是组合优化问题,如最近几年越来越突出的资源短缺、环境恶化问题,本质上就是地球上有限的资源与人类无止境的需求间的矛盾。绝大多数COPs都可以用约束网络显式表示,很大程度上求解CSPs的方法和求解COPs的方法可以通用。当CSPs实例比较复杂,且规模较大时,回溯方法的效率很低,人们提出了很多改进方法,主要方向是提高约束传播的效率和回溯搜索的智能性,并在一些问题上取得了良好的效果。可惜的是,仍然没有一种方法能够在所有问题上表现出良好的性能。本文研究用蚁群优化算法求解CSPs。蚁群优化算法(Ant Colony Optimization,ACO)由Dorigo于1994年提出,最初是用来求解组合优化问题的。其优异的性能吸引人们把它应用于求解CSPs。ACO最大的特点是通用性,在很多问题上都取得了良好的效果。不过对于特定问题,它的效率与专用算法还有一定的差距。本文研究的目的是提高ACO求解CSPs的效率,设计和实现一种基于ACO的高效CSPs通用求解器。弧相容(Arc Consistency,AC)算法是一种重要的约束传播方法,能够有效删除搜索空间的冗余部分,用较小的代价化简复杂CSPs实例。参数调节是ACO的重要组成部分,对ACO的性能与鲁棒性有重大影响,本文详细分析了参数调节对ACO的作用机制,提出了一种比较实用的参数调节方案—预定参数调节。本文首先介绍了ACO和CSPs的基本概念与方法,分析了基于ACO求解CSPs的求解器Ant-Solver;在此基础上结合弧相容预处理和预定参数调节方法,提出了改进算法AC-AS;最后应用AC-AS求解了大量COPs的CSPs实例,证明AC-AS在大多数问题上表现良好。AC-AS在很大程度上克服了ACO最主要的缺陷—早熟收敛问题,然而对于极个别问题,算法陷入局部最优陷阱的现象仍然存在。本文作者相信AC-AS还有很大提升的空间,通过开发其他方法和改进现有方法(如设计一种自适应参数调节方法)能够进一步提高算法的性能并最终解决早熟收敛问题。总之,AC-AS在求解未知类型CSPs实例和专用求解器效率不够突出时能够发挥积极的作用,满足鲁棒性且对用户友好,在高效通用求解器设计方面中表现出广阔的前景。
|
全文目录
摘要 4-6 Abstract 6-12 第1章 绪论 12-15 1.1 研究背景 12 1.2 研究现状 12-13 1.3 本文工作 13-15 第2章 蚁群优化算法求解随机约束满足问题 15-37 2.1 引言 15-17 2.1.1 蚁群优化 15-16 2.1.2 约束满足问题 16-17 2.2 概念 17-27 2.2.1 双桥实验 17-19 2.2.2 简单蚁群优化 19-21 2.2.3 最大最小蚂蚁系统 21-22 2.2.4 约束满足问题 22-23 2.2.5 推理 23 2.2.6 回溯搜索 23-24 2.2.7 随机约束满足问题 24-27 2.3 蚁群优化算法 27-32 2.3.1 算法概述 27-28 2.3.2 约束图和信息素浓度初始化 28-29 2.3.3 蚂蚁赋值的过程 29-30 2.3.4 更新信息素浓度 30-31 2.3.5 参数设置与局部搜索 31-32 2.4 Ant-Solver 求解随机约束满足问题 32-36 2.4.1 实验结果 32-35 2.4.2 数据分析 35-36 2.5 本章小结 36-37 第3章 弧相容与参数调节 37-56 3.1 弧相容算法 37-46 3.1.1 约束传播 37-38 3.1.2 一般弧相容定义 38-40 3.1.3 一般弧相容算法 40-45 3.1.4 弧相容与蚁群算法 45-46 3.2 参数调节 46-52 3.2.1 参数调节方法概述 46-47 3.2.2 蚁群算法中的参数调节 47-51 3.2.3 预定参数调节 51-52 3.3 AC-AS 求解随机约束满足问题 52-55 3.3.1 实验结果 52-55 3.3.2 数据分析 55 3.4 本章小结 55-56 第4章 组合优化问题应用 56-65 4.1 引言 56-57 4.2 概念 57 4.2.1 组合优化问题 57 4.3 Benchmarks 57-60 4.4 AC-AS 求解组合优化问题 60-64 4.4.1 实验结果 60-64 4.4.2 数据分析 64 4.5 本章小结 64-65 第5章 结束语 65-67 5.1 工作总结 65 5.2 工作展望 65-67 参考文献 67-70 作者简介 70-71 致谢 71
|
相似论文
- 无线传感器网络节能路由算法的研究,TP212.9
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 考虑流固耦合渗流作用的边坡稳定性分析,TU43
- 基于GPU的并行蚁群优化算法的研究与实现,TP301.6
- 基于膝关节角度的助行功能性电刺激模糊控制研究,R651.2
- 多机器人烟羽跟踪算法实验研究,TP242
- 双稳信号参数调节的恢复研究,TN911.7
- 混沌猴群算法及其应用,TP18
- 大滞后系统智能控制器的研究,TP273
- 微机准同期并网装置的研究,TM762
- 基于约束传播技术的资源受限项目调度问题求解算法,F270
- 支持向量机超参数调节方法的研究及其在人脸识别中的应用,TP18
- 基于DCSP的煤矿应急救援资源调配研究,TP18
- 智能控制在风电机组恒功率控制中的应用研究,TM614
- 约束满足问题中相容技术的研究,TP181
- 约束相容性技术的研究,TP181
- 基于启发式的约束满足问题研究,TP181
- CSP的超树分解算法研究,TP301.6
- IPTV中EPG服务器性能优化研究,TN949.2
- 基于Ontology的产品配置模型研究,F224
- 结合面向对象技术和约束推理的产品配置方法研究及系统开发,TP311.52
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|