仿生群体智能算法的演示教学.pdf

《仿生群体智能算法的演示教学.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第3期(总第137期)摹奄李奄仿生群体智能算法的演示教学邱挺，叶长粜，李玲，黄智贤，王红星(福J'i、】大学石油化工学院，福建福州350108)[摘要]近年来，蚁群算法、蟑螂算法、微粒群算法、鱼群算法、蜂群算法等仿生算法层出不穷，由于这些群体智能算法具有良好的全局搜索能力，故在复杂的化工优化问题中得以广泛应用。因此，数值计算、优化方法等相关课程中应用演示教学法，将各种仿生算法的计算过程、算法参数对计算过程、计算性能的影响通过计算演示充分展示给学生看，可使枯燥、抽象的算法教学变得具体、形象、生动，显著

2、提高学生的学习兴趣和教学质量。[关键词]演示教学；仿生算法；群体智能DemonstrationTeachingofSwarmIntelligenceAlgorithmQiuTing，YeChangshen，LiLing，HuangZhixian，WangHongxingAbstract：Inrecentyears，antcolonyoptimization(ACO)，cockroachswarmoptimization(CSO)，particleswarinoptimization(PSO)，artifici

3、alfish-schoolalgorithm(AFSA)，andartificialbeecolonyalgorithm(AN2)havebeenpresentedonebyone．Theseswarmintelligencealgorithmshavegoodalgorithmperformances，whichhaveawideapplicationinthecomplexoptimizationproblems．Therefore，thedemonstrationteachingmethodshaveb

4、eenusedintherelativecourses．Thecalculationprocess，theeffectsofparametersonthealgorithmper—formancehavebeenshowedtOstudentsbydemonstration，whichmaketheteachingmorespecific，imaginableandvivid．Thestudents’interestatlearninghasbeenimprovedsignificantly．Keywords

5、：Demonstrationteaching；Artificialalgorithm；Swarmintelligence化工研究领域中经常涉及非线性方程求根、(CSO)等仿生优化算法。l_5这些优化算法具有良拟合、微分方程求解、模型参数估计、过程优化，这好的个体学习与社会学习能力，全局搜索能力强；些问题虽然性质不同，但是都能应用数值优化方与传统的优化方法相比，对多峰多谷函数最优点法求解。而传统的黄金分割法、单纯形法、最速下的搜索具有明显的优势，目前，已被广泛应用于各降法、共轭梯度法等优化方法全局搜索能力差，难

6、个研究领域。数值优化技术是工程技术人员，尤以满足复杂优化问题的需要。近年来，根据蚂蚁、其是工程研究人员必须掌握的一项基本技能。一鱼、鸟、蜜蜂、蟑螂等动物的群体觅食行为相继提、群体智能算法的教学难点出了蚁群算法(ACO)、[1]鱼群算法(AFSA)、微群体智能算法(SwarmIntelligenceAlgo—粒群算法(PSO)、_3蜂群算法(ABC)、l4蟑螂算法rithm)的研究开始于2O世纪9O年代，_3其基本[作者简介]邱挺(1974一)，男，教授，博士；叶长椠(1972一)，男，教授，博士；李玲(197

7、4一)，女，副教授，硕士；黄智贤(1979一)，男，副教授，博士；王红星(1978一)，男，副教授，博士。