欢迎来到天天文库
浏览记录
ID:23198224
大小:3.56 MB
页数:84页
时间:2018-11-05
《主成分蝙蝠算法》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(学术型)学位论文题目:主成分蝙蝠算法英文题目:Batalgorithmwithprinciplecomponentanalysis研究生姓名:李飞翔导师姓名及职称:崔志华教授培养单位:计算机科学与技术学院学科专业:计算机科学与技术论文提交日期: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:李德玉教授论文独创性声明本人郑重声明:所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写的研究成果。与我一同
2、工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本声明产生的法律后果由本人承担。论文作者签名:日期:中文摘要中文摘要作为智能计算领域的研究热点,高维优化问题的求解一直较为困难,由于局部极值点较多,算法的种群多样性设计就成为求解高维优化问题的关键所在。本文针对高维优化问题,以标准蝙蝠算法和基于Lévy飞行的蝙蝠算法为例,设计了高效的主成分蝙蝠算法。本文的研究工作包括以下三个方面:在蝙蝠算法中,每一代群体都存在大量拥有信息重叠的个体(即相关度较大的个体),为了尽可能获得较大的种群多样性,本文提出了主成分蝙蝠算法。该算法利用主成分分析法将相关度较大的个体分解成若
3、干不相关的个体,这些个体所含信息不再重叠,有效地增强了算法的全局搜索能力。为了保证群体大小的稳定,算法还随机保留原先的部分个体。实验采用CEC’2008高维优化问题测试集进行测试,并将主成分蝙蝠算法与三个改进蝙蝠算法进行比较,实验结果证明了该算法的有效性;主成分蝙蝠算法中每一代所有个体均参与主成分分析,然而,主成分分析法主要针对相关度较大的个体才有效果,为此,本文引入黄金分割法确定相关系数阈值,只有高于该阈值的高相关度个体,才参与主成分分析法策略,这样就减少了执行该策略的蝙蝠个体,提高了算法的搜索效率。仿真结果表明基于相关系数的主成分蝙蝠算法性能略优于主成分蝙蝠算法;由于主成分蝙
4、蝠算法主要面向种群多样性,在早期能提高算法跳出局部极值点的概率,但算法后期为了保证收敛,应以计算效率为主。为此,提出了基于代数选择的主成分蝙蝠算法,使得该算法仅在早期采用主成分蝙蝠算法,后期则采用原先的蝙蝠算法,并利用黄金分割法确定算法早期所占的比例,从而缩短了主成分蝙蝠算法的运行时间,仿真结果表明基于代数选择的主成分蝙蝠算法性能更优。关键词:蝙蝠算法;主成分分析法;黄金分割法;Lévy飞行IABSTRACTABSTRACTLarge-scaleproblemisonehottopicinevolutionarycomputation.Duetotheamountlocalopt
5、ima,thepopulationdiversityisoneimportantissuewhensolvingsuchproblems.Inthisarticle,twonewvariantswithprincipalcomponentanalysis(PCA_BAandPCA_LBA)aredesignedtosolveit.Themaincontributionsarelistedasfollows:Inthestandardversionofbatalgorithm,therearemanycorrelateindividualswithoverlappedinforma
6、tion.Toobtainthelargepopulationdiversity,principalcomponentanalysismethod(PCA)isemployedtoproducesomeincorrelateindividuals.Furthermore,someoriginalindividualsarerandomlyselectedintothisnewpopulationtopreservethefixedpopulationsize.Totesttheperformance,CEC'2008large-scalebenchmarkfunctionsare
7、usedandcomparedwiththreevariantsofbatalgorithm,simulationresultsshowtheimprovedalgorithmiseffective;InPCA_BAandPCA_LBA,allindividualsareanalyzedbyPCA,however,therearelittleinfluencesforthoseindividualswithsmallcorrelationcoefficients.Withthis
此文档下载收益归作者所有