欢迎来到天天文库
浏览记录
ID:23933304
大小:1.77 MB
页数:60页
时间:2018-11-11
《果蝇优化算法的改进及应用》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、分类号:TP391学校代码:10109密级:公开太原科技大学硕士学位论文(专业型)学位论文题目:果蝇优化算法的改进及应用英文题目:ImprovementofFruitFlyOptimizationAlgorithmandItsApplications研究生姓名:白露导师姓名及职称:王丽芳副教授培养单位:计算机科学与技术学院工程领域/专业:计算机技术论文提交日期:2016年5月18日论文答辩日期:2016年6月5日答辩委员会主席:韩燮教授论文独创性声明本人郑重声明:所呈交的论文,是本人在导师指导下,独立进行研究所取得的成果。除文中特-别加以标注和致谢的地方外,论文中不包含其他个人或
2、集体已经发表或撰写的研究成果。对本研究所做的任何贡献的个人或集体均已在论文中作了明确的说明并表示了谢意。本声明产生的法律责任由本人承担。论文作者签名:日期:中文摘要中文摘要果蝇优化算法是一种新兴不久的群智能优化算法,它的思想源于自然界中果蝇觅食的过程,模拟了果蝇灵敏的嗅觉和敏锐的视觉。与其他群智能优化算法相比,果蝇优化算法具有:参数少、计算简单以及全局寻优快的优点。但是,由于果蝇优化算法未能充分利用种群信息,而导致算法易陷入局部极值和收敛精度下降,针对这种情况本文提出了改进的果蝇优化算法。本文主要是围绕果蝇优化算法来展开研究的,包括对果蝇优化算法的改进、用改进后的果蝇优化算法来优
3、化径向基函数神经网络的扩展系数,以及将优化后的径向基函数神经网络用于预测汽油辛烷值的研究。本文的具体研究工作内容如下:1)在基本果蝇优化算法的位置更新方式中加入种群质心和个体历史最优,并用C1和C2两个系数来分别调节种群质心和个体历史最优,从而平衡算法的全局搜索和局部搜索,进而提高算法的性能。标准测试函数的测试结果表明改进后的算法优于基本果蝇优化算法的收敛精度。2)在基本果蝇优化算法中加入种群历史最优个体和个体历史最优以增强引导性和种群多样性。与三种改进后的果蝇算法、微粒群算法、人工鱼群算法进行比较,实验结果表明了该算法具有较好的全局收敛能力。3)利用改进后的果蝇优化算法优化RB
4、F神经网络的扩展系数值,并利用优化后的RBF神经网络预测汽油辛烷值,最终实验结果表明优化后的RBF预测模型具有更高的精度。关键词:果蝇优化算法;收敛;RBF神经网络;汽油辛烷值IABSTRACTABSTRACTFruitFlyOptimizationAlgorithm(FOA)isanewkindofglobaloptimizationalgorithmbasedonswarmintelligence.Itisderivedfromthedrosophilaforagingbehaviorsimulationinthenature.Thedrosophilahasamarvoll
5、oussenseofsmellandsight,andFOAsimulatestheseabilitiesofthedrosophila.Comparedwithsomeswarmintelligenceoptimizationalgorithms,FOAhasthecharacteristicsoflessparameters,simplecalculationandfastglobalsearchability.Buttheproblemsoflowconvergenceprecisionandeasilyrelapsingintolocaloptimumareexisted
6、inthebasicFOA,becausetheFOAfailstomakefulluseofpopulationinformation.Consequently,theimprovedFOAsareproposedinthearticle.ThemaintopicofthispaperistheFOA,includingtheimprovedFOAs,usingtheimprovedFOAtooptimizetheexpansionparameterofRBFneuralnetwork,andmakingRBFneuralnetworkforpredictingthegasol
7、ineoctanenumber.Themainworksofthispaperareasfollows:1)BasedonthebasicFOAthepopulationcenterofmassandtheindividualoptimalalternativehistoryareaddedintothepositionupdatedway.Inthisnewalgorithm,parametersC1andC2areusedtoadjustthepopulationcenter
此文档下载收益归作者所有