社会情感优化算法混合策略的研究

《社会情感优化算法混合策略的研究》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、万方数据论文原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。与我一同工作的同志对本研究所做的任何贡献均己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：二槲日期：一关于论文使用权的说明本人完全了解太原科技大学有关保留、使用学位论文的规定即：学校有权保留所送交的论文，可以采用影印、缩印或其他复制手段保存论文，允许论文被查询和借阅，以学术交流为目的，学校可以

2、公布论文内容。保密论文除外。慧犁一湖鹦：口期：丝f』：王!型万方数据中文摘要社会情感优化算法借鉴了社会学、社会心理学、组织行为学等有关人类群体的形成、进化及决策等方面的研究成果，考虑了情绪在人类决策行为中的作用以及外界信息对人类情绪的影响，对人类的社会行为进行了模拟。算法中个体代表虚拟的人，众多个体构成虚拟的人类社会，为了得到社会认可，个体之问相互竞争以便获得更优的社会评价值。社会情感优化算法中，个体总是根据最优社会评价值来调整自身经验，并不考虑其他反馈信息，这妨碍了算法的多样性，使算法容易陷入局部最小值。针对该问

3、题，本文引入了Metropolis准则，全面考虑了各类反馈信息，使个体不仅接受最好的社会评价值，而且能以一定概率接受其它的社会评价值，从而改善了算法多样性，增强了算法的全局搜索能力。一．作为一个随机优化算法，社会情感优化算法的局部搜索能力有待提高，为了解决此问题，本文将二次插值法引入算法，在每次迭代的过程中，利用预测到的极值点来提高算法的局部搜索效率，以提高算法的收敛速度。为了表明改进后的算法的优化性能，把社会情感优化算法以及改进后的基于Metropolis准则的社会情感优化算法和基于二次插值法的社会情感优化算法应

4、用于非线性方程组的求解问题，改进后算法的良好表现证明了算法改进的有效性。关键词：社会情感优化算法；Metropolis准则；二次插值法；非线性方程组万方数据ABSTRACTSocialemotionaloptimizationalgorithmdrawsexperiencefromsocial-emotionalsociology,socialpsychology,organizationalbehaviortheoryandotheracademicachievementsrelatedtotheformatio

5、n，evolution，decision—makingandotheraspectsofhumangroups，andalsotakesintoaccounttheroleemotionplaysindecision—makingandtheimpactoutsideinformationhasonhumanemotion，wherehumansocialbehaviorhasbeensimulated．Eachindividualpartofthealgorithmrepresentsavirtualperson

6、andallindividualsthehumansociety．Inthisvirtualsociety,eachindividualtriestostrikeforabetterlivingenvironment，socialrecognition，aswellashighersocialevaluation．InSocialemotionaloptimizationalgorithm，individualsadjustitselfaccordingtothebestsocialevaluationvalueo

7、therthantheotherfeed—backinformation，whichrestrictsthediversityofthealgorithm：Itisdifficulttobefurtheroptimizedaroundlocalextremepointsandeasytofallintolocalminimum．Tomakeachange，thisessayintroducesMetropolisRulesandconsidersthefeed-backinformationfrombothside

8、stoletindividualstoacceptnotonlythebestsocietyevaluationvalue，butalsoacertainprobabilityofothervalues，whichimprovesthediversityandtheglobalsearchcapacity．Asastochasticoptimizationa