群智能动态优化方法研究

《群智能动态优化方法研究》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：ＴＰ２０２＋．７单位代码：１０３３５密级；非涉密论丈学．号：２１３３２０８４？＾Ａ兴户參硕±学位论文戀中文论文题目：群智能动态优化方法研究＇英文论文题目：ＤｙｎａｍｉｃＯｐｔｉｍｉｚａｔｉｏｎＡｐｐｒｏａｃｈｗｉｔｈＳｗａｒｍＩｎｔｅｌｌｉｇｅｎｔＡｌｇｏｒｉｔｈｍｓ申请人姓著：张睁盼＇：．指导教师刘兴高教授：控制工程专业名称研究方向；．动态优化所在学院：拴制科学与工程学院论文提交日期二０—六年Ｈ月十五日難智能动态优化方法巧究戀论文作者签名：谦齡齡＇指导教师签名ｒＣ

2、ｉ：ＪｊＵ／论文评阅人１；成忠＼副教授＼浙江科技学院评阅人２：评阅人３；＾评阅人４：＾评阅人５：答辩委员会主席：张泽银＼教授＼浙江大学数学系委员１：王宁＼教授＼浙江大学控制系委员２；刘兴裔＼教授＼浙江大学控制系委员３：杨秦敏＼副教授＼浙江大学控制系委员４：委员５；日二０—答辩期；六年王月韦号ＤｙｎａｍｉｃＯｐｔｉｍｉｚａｔｉｏｎＡｐｐｒｏａｃｈｗｉｔｈＳｗａｒｍＩｎｔｅｌｌｉｇｅｎｔＡｌｇｏｒｉｔｈｍｓ戀’Ａｕｔｈｏｒｓｓｉｇｎａｔｕｒｅ：阵ｎｎ户巧

3、’Ｓｕｅｒｖｉｓｏｒｓｓｉｇｎａｔｕｒｅ：ｐＥｘｔｅｒｎａｌＲｅｖｉｅｗｅｒｓ：Ｚｈｏ打ｇＣｈｅｎｇ＼ＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒ＼ＺＵＳＴＡｎｏｎｙｍｏｕｓＡｎｏｎｙｍｏｕｓＡｎｏｎｙｍｏｕｓＥｘａｍｉｎｉｎｇＣｏｍｍｉｔｔｅｅＣｈａｉｒｐｅｒｓｏｎ：ＺｅｖｉｎＺｈａｎｇ＼Ｐｒｏｆｅｓｓｏｒ＼ＺＪＵＥｘａｍｉｎｉｎｇＣｏｍｍｉｔｔｅｅＭｅｍｂｅｒｓ：ＮｉｎｅＷａｎ泛ＶＰｒｏ拓ｓｓｏｒ＼ＺＪＵＸｉｎｇｇａｏＬｉｕ＼Ｐｒｏｆｅｓｓｏｒ＼ＺＪＵＯｉｎｍｉｎＹａｎｇ＼ＡｓｓｏｃｉａｔｅＰｒ

4、ｏｆｅｓｓｏｒ＼ＺＪＵ２０Ｄａｔｅｏｆｏｒａｌｄｅｆｅｎｃｅ：Ｍａｒｃｈ７，１６浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研巧成果。，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研巧成果一也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：签字曰期：兴５／各年月〇曰ｇ民負令Ｉ肴；＾／学位论文版权使用授权书本学位论文作者完全了解浙江大学有权保

5、留并向国家有关部口或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可将学位论文的全部或部分内容编入有关数据库进行检索和传播，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书），学位论文作者签名；：款齡輪导师签名ｉ钟＇。〇日签字日期：／签字日期：年矣月＾々（＜年／月日／浙江大学硕±学位论文摘要摘要动恣优化，又称最优控制，是解决王业瓶颈，实现系统节能、降耗、挖掘和增效的重要手段，广泛应用于生物工程、石油化工、航空航天等诸多领域，并引一起了国内外众多著名学者的广泛关注

6、，。其中控制向量参数化是种求解动态优一组参数化的化问题的常用数值分析方法，通过对时域进行离散，将控制向量用基函数逼近，从而使原始的无限维动态优化问题转化为参数个数有限的非线性规划问题。智能优化方法不仅简单易实现、，还具有全局搜索能力强灵活多变等优一点，使其逐渐成为类重要的优化方法。本文在控制向量参数化方法的基础上，研究智能优化方法在动态优化问题上的应用。论文的主要工作及贡献如下：一（１）提出了种具有普适性的智能动态优化方法框架。该框架Ｗ控制向量参数化方法为基础，将原始的动态优化问题转化为非线性规划问题，继而采用智能优化算法进行求解与分析；

7、２（）提出了王种新颖基于控制向量参数化的智能动态优化方法：细菌觅食动态优化方法、入侵杂草动态优化方法和粒子群动态优化方法。对经典动态优化问题进行了求解，结果表明了所提出的３种智能动态优化方法的有效性；３一（）针对强非线性化工动态优化问题，提出了种高效的混合型智能优化方法，不仅具有自适应粒子群算法强大的全局搜索能为，还兼备差分搜索算法强大的局部开拓能为。国际经典的强非线性动态优化实例的测试结果表明了该混合型智能动态优化方法良好的寻优性能、寻优精度及收敛速度；一（４）针对含状