和声搜索算法的改进及在粗糙集约简中应用

《和声搜索算法的改进及在粗糙集约简中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文目录4．3．1算法测试⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．424．3．2与其他和声搜索算法的比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．514．4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯54第五章基于改进全局最优和声搜索算法的粗糙集属性约简⋯⋯⋯．．555．1属性约简模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯555．2改进全局最优和声搜索算法属性约简步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯565．3仿真算例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯575．4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯59第六章总结与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．616．1论文工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6l6．2下一步工作展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯61参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯63致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯67攻读硕士期间发表的论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯69一

3、VII—东北大学硕士学位论文第一章绪论第一章绪论1．1研究背景和意义在实际的日常生活中或在处理工程问题的过程中，人们经常遇到在某个问题有多个解决方案可供选择的情况下，如何根据自身所提出的某些性能的要求，从多个可供选择的方案中选择一个可行方案，使所要求的性能指标达到最大或最小，这就是优化问题【11。如工程设计中怎样选择参数，使得设计即满足要求又能降低成本；资源分配中，怎样的分配方案既能满足各个方面的基本要求，又能获得好的经济效益等。最优化是一个古老的问题，追求最优目标一直是人类的理想，长期以来，人们对最优化问题进行不断的探讨

4、和研究。在国民经济各部门和科学技术的各个领域中普遍存在着最优化问题，最优化问题就是从所有可能的方案中选择出最合理的、达到最优目标的方案，即最优方案。从众多可能的解决方案中选择最佳者，以达到最优目标的科学就是最优化方法【l】。早在17世纪，英国伟大科学家Newton开创微积分的时代，就已经提出了极值问题；后来又出现了Lagrangian乘数法。1847年，法国数学家Cancky研究了函数沿什么方向下降最快的问题。1949年，前苏联数学家Kahtop提出了解决下料问题和运输问题这两种线性规划问题的求解方法。但是由于受到计算手段

5、等历史条件的限制，在20世纪40年代以前，最优化理论还不能形成一f-jq：科。自20世纪40年代以来，人们关于优化问题的研究工作，随着历史的发展不断深入。由于科学技术突飞猛进地发展，尤其是高速数字计算机日益广泛应用，使优化问题的研究不仅成为一种迫切需要，而且有了求解的有力工具。因此，优化理论和算法迅速发展起来，形成一门新的学科。至今已出现线性规划、整数规划、非线性规划、几何规划、动态规划、随机规划、网络流等许多分支。这些优化技术在实际应用中正发挥越来越大的作用。随着生产、经济、技术的发展，工程技术、管理人才在实际工作中常常

6、会面临这样的一类问题：在工程设计中，怎样选取参数使得设计既满足要求又能降低成本；在资源分配中，怎样的分配方案既能满足各方面的基本要求，又能获得好的经济效益；在生产计划安排中，选择怎样的计划方案才能提高产值和利润；在原料配比问题中，怎样确定各种成分的比例才能提高质量、降低成本；在城建规划中，怎样安排工厂、机关、学校、商店、医院、住宅和其他单位的合理布局，才能方便群众，有利于城市一1一东北大学硕士学位论文第一章绪论各行各业的发展。这一类问题的共同点是选出最合理、达到最优目标的方案，这就是工程优化问题。二十世纪八十年代以来，一些

7、新颖的优化算法得到了迅速发展。人工神经网络(ANN)在一定程度上模拟了人脑的组织结构[2-5】；遗传算法(GA)借鉴了自然界优胜劣汰的进化思想[6-8】；蚁群优化算法(ACO)受启发于自然界蚂蚁的寻径方式f9。1】；模拟退火(SA)思路源于物理学中固体物质的退火过程[12,13]；禁忌搜索(TS)模拟了人类有记忆过程的智力过程‘14,151。这些算法有个共同点：都是通过模拟或揭示某些自然界的现象和过程得到发展，在优化领域，有人称之为智能优化算法(IntelligentOptimizationAlgorithms)。智能优化

8、算法通过模拟或揭示某些自然现象或过程而得到发展，其内容涉及数学，物理学，生物进化，人工智能，神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。1．2几种优化算法简介优化方法发展至今已有上百年的历史，相对于智能优化方法，我们将以前的方法称之为传统优化方法。在应用中发现，传统优化方法具有：对问题