学位论文 > 优秀研究生学位论文题录展示

混合人工蜂群算法的改进研究

作　者: 代殿鑫
导　师: 吴伟民
学　校: 广东工业大学
专　业: 计算机应用技术
关键词: 人工蜂群算法混合人工蜂群算法并行
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 323次
引　用: 1次
阅　读: 论文下载

内容摘要

人工蜂群算法(Artificial Bee Colony, ABC)是近年来流行的一种进化计算方法,受启发于蜂群个体间相互协作的特定社会群体行为,是一种基于种群搜索策略的启发式优化算法。人工蜂群算法优点明显,如原理简单、参数少和容易实现等,且已被证明是一种优秀的全局优化算法,得到了众多学者的关注。但是人工蜂群算法还存在一些不足,如易早熟收敛,进化后期寻优速度慢等。针对人工蜂群算法的不足,本文在对人工蜂群算法的原理、模型和信息共享机制进行深入探讨的基础上对人工蜂群算法进行改进,提出了两种改进算法,实验结果表明改进算法达到了预期效果。本文具体工作如下：首先详细介绍了人工蜂群算法和两种其他蜂群算法。全面分析了人工蜂群算法,包括人工蜂群算法的原理、组织框架以及算法的参数选择,同时分析了算法的发展动机、特征及优缺点。其次对混合人工蜂群算法进行了改进。将混沌搜索算法的思想引入人工蜂群算法,在观察蜂进化后期应用混沌搜索的思想,防止陷入局部最优。同时在采蜜蜂寻优过程中,利用两个进化因子来引导进化趋势,加快进化速度。实验结果表明：混合人工蜂群算法能在保证蜂群多样性,避免陷入局部最优的情况下,提高算法的进化速度,从而较好地达到了全局寻优和局部寻优的平衡。再次,在前面混合人工蜂群算法的基础上,进一步提出了基于并行的混合人工蜂群算法。算法应用当前流行的并行多线程技术,使两个种群在同时进化的过程中,进行信息交流,有效加快了算法的进化速度,提高了该算法的性能。实验表明：算法有效提高了寻优效率,取得了全局与局部寻优的平衡,与人工蜂群算法和混合人工蜂群算法相比,具有更高的综合性能。最后,对本文的分析研究以及相关工作进行了概括和总结,提出了下一步研究的几个方向。

全文目录

摘要  4-5
ABSTRACT  5-7
目录  7-9
CONTENTS  9-11
第一章绪论  11-19
  1.1 研究背景  11-12
  1.2 人工蜂群算法的研究现状  12-14
    1.2.1 理论研究现状  12-13
    1.2.2 设计研究现状  13
    1.2.3 应用研究现状  13-14
  1.3 优化问题  14-16
    1.3.1 全局优化  14-15
    1.3.2 局部优化  15-16
  1.4 本文研究思路与创新点  16
  1.5 本文的组织  16-19
第二章人工蜂群算法  19-27
  2.1 群体智能  19-20
  2.2 人工蜂群算法  20-24
    2.2.1 人工蜂群算法原理  20-22
    2.2.2 人工蜂群算法流程  22-23
    2.2.3 参数分析  23-24
  2.3 其他典型的蜂群算法  24-26
    2.3.1 蜜蜂婚配优化算法  24-25
    2.3.2 蜜蜂算法  25-26
  2.4 本章小结  26-27
第三章混合人工蜂群算法  27-43
  3.1 引言  27
  3.2 混沌搜索算法  27-28
  3.3 HABC的提出  28-32
    3.3.1 HABC的基本思想  29-31
    3.3.2 HABC算法流程  31-32
  3.4 仿真实验及结果分析  32-41
    3.4.1 标准测试函数  32-35
    3.4.2 结果的度量方法  35
    3.4.3 算法的参数设置  35-36
    3.4.4 实验结果及其分析  36-41
  3.5 本章小结  41-43
第四章基于并行的混合人工蜂群算法  43-57
  4.1 引言  43
  4.2 并行的思想  43-48
    4.2.1 多线程技术  44-45
    4.2.2 多线程编程方法  45-47
    4.2.3 线程同步  47-48
  4.3 HABCBP算法的提出  48-51
    4.3.1 HABCBP的基本思想  48-50
    4.3.2 HABCBP算法流程  50-51
  4.4 数值实验及结果分析  51-56
    4.4.1 算法的参数设置  51
    4.4.2 实验结果及其分析  51-56
  4.5 本章小结  56-57
第五章结论  57-59
参考文献  59-62
攻读硕士学位期间发表的论文  62-65
致谢  65

混合人工蜂群算法的改进研究

内容摘要

全文目录

相似论文