人工蜂群算法求解约束优化问题的研究

人工蜂群算法求解约束优化问题的研究

ID:32069622

大小:1.37 MB

页数:49页

时间:2019-01-31

人工蜂群算法求解约束优化问题的研究_第1页
人工蜂群算法求解约束优化问题的研究_第2页
人工蜂群算法求解约束优化问题的研究_第3页
人工蜂群算法求解约束优化问题的研究_第4页
人工蜂群算法求解约束优化问题的研究_第5页
资源描述:

《人工蜂群算法求解约束优化问题的研究》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ContentsChapter5ConclusionandFutureWork⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯..32AppendixABenchmarkFunctions⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯33AppendixBEngineeringDesignFunctions⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.38Acknowledgements⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..46万方数据摘要人工蜂算法(ABC)首先被提出用于求解无约束优化问题,并显示其极大的优越性.本文主要研究利用人工蜂群算法求解约束优化问题,提出两种不同的求解约束优化问题的

2、算法.本文提出的第一种算法是基于共演化的人工蜂群算法(CABC).利用增广Lagrange罚函数,把约束优化问题转化为无约束优化问题,用基于共演化计算的思想对变量向量和Lagrange乘子向量交替优化来求解此无约束优化问题.为了检验CABC算法的性能,在4个基准函数上做了测试,并与共演化的粒子群算法(CPSO)做了比较,实验结果表明CABC算法比CPSO算法更稳健.本文提出的另一种算法是基于搜索可行解的改进人工蜂群算法(MABC).首先在一种基于搜索可行解的求解约束优化问题的人工蜂群算法(ABC)基础上,更换边界处理机制,更新选择概率公式,采用新的跟随蜂和侦查

3、蜂的搜索策略,充分利用当前最优解和最差解的信息,提高算法搜索全局最优解的能力.然后将MABC算法在13个基准函数上做测试,并与原算法作比较,实验结果表明改进的策略能增加算法的全局搜索能力.最后在3个工程函数上对改进算法做了测试,实验结果同样证明MABC算法对于解决实际问题也是非常有效的.关键词约束优化问题,人工蜂群算法,共演化计算,搜索策略,全局最优.万方数据AbstractArtificialBeeColony(ABC)algorithmwasfirstlyproposedforunconstrainedoptimizadonproblemsandshowe

4、dsuperiorperformance.ThispaperstudiestWOnov·elABCalgorithmsforconstrainedoptimizationproblems.ThefirstalgorithmofthispaperisCoevolutionaryArtificialBeeColony(CABC)algorithm.Theconstrainedoptimizationaretransformedtoanunconstrainedopti—mizationproblembytheaugmentedLagrangepenaltyfunc

5、tion.ThenthevariablevectorandtheLagrangemultipliervectorareoptimizedalternatelybycoevolution—arycomputation.CABCalgorithmistestedOil4well—knowntestproblemsandtheresultsarecomparedtOCoevolutionaryParticleSwarmOptimization(CPSO).TheresultshowsthatCABCalgorithmisrobustthanCPSOalgorithm

6、.AnotheralgorithmismodifiedArtificialBeeColony(MABC)basedfeasibilityrules.OnthebasisofaIlArtificialBeeColony(ABC)algorithmsolvingconstrainedoptimizationproblembasedfeasibilityrules.fourmodificationsrelatedwi出boundaryconstraints,selectiveprobabilities,theonlookerbeeandthescoutbeestra

7、tegiesaremadetoenhanceitsglobalsearchabilitybymakingfulluseofthebestandtheworstofcurrentgeneration.Wetestthenewalgorithmon13well—knownbenchmarkprob—lemsandtheresultsarecomparedtOtheoriginalalgorithm.Theexperimentshowsthatthestrategiesmodifiedcallenhancetheabilityofglobalsearch.Three

8、engineer-ingdesignp

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。