基于反向学习策略的蝙蝠算法研究

《基于反向学习策略的蝙蝠算法研究》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、基于反向学习策略的蝙蝠算法研究作者姓名惠宇雷指导教师姓名、职称臧明相副教授申请学位类别工学硕士万方数据万方数据学校代码10701学号1403121724分类号TP301密级公开西安电子科技大学硕士学位论文基于反向学习策略的蝙蝠算法研究作者姓名：惠宇雷一级学科：计算机科学与技术二级学科：计算机应用技术学位类别：工学硕士指导教师姓名、职称：臧明相副教授学院：计算机学院提交日期：2017年6月万方数据万方数据BatAlgorithmResearchBasedOnOppositeLearningPolicyAthesissubmittedtoXID

2、IANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByXiYuleiSupervisor:ZangMingxiangAssociateProfessorJune2017万方数据万方数据西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人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中所罗列的内容以外，

3、论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事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。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。

4、同时本人保证，结合学位论文研究成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：万方数据万方数据摘要摘要蝙蝠算法（BA）是一种通过模拟蝙蝠猎食行为进行全局寻优的群智能优化算法，在性能上优于遗传算法和粒子群算法，具有易操作、参数少和鲁棒性强等特点，对求解各种组合优化或连续优化问题有很大帮助，可应用于多个领域，如图像处理、资源配置、数据挖掘、信息处理和金融等等。但是对于求解一些更为复杂的问题，算法本身仍存在缺陷，例如种群多样性不足、寻优精度低、收敛速度慢和易陷入局部

5、最优等。本文分析了蝙蝠算法的寻优步骤和仿生原理，并且将它和不同的群智能优化算法进行了比较，总结了算法在求解不同优化问题中的优势和不足，提出了一种基于反向学习策略的蝙蝠算法（OLBA）。针对种群多样性不足问题，在种群初始化时采用均匀设计理论，使得蝙蝠个体能够相对均匀地分布在搜索空间，从而构造出多样性更好的种群；针对寻优精度低和收敛速度慢的问题，借助反向学习策略，对精英蝙蝠个体进行反向学习，生成指定大小的反向种群，然后将当前种群和反向种群中的蝙蝠个体一起进行优胜劣汰，从而优化了蝙蝠种群中的个体位置；在蝙蝠个体的更新公式中加入了自适应的移动因子，

6、达到了动态调整移动步长的目的，使其能更好地趋向最优目标；针对易陷入局部最优问题，设置了种群差异性的阈值，当不满足阈值时，对当前种群中部分适应度值较差的个体进行搜索空间内的重新初始化，通过改变这些蝙蝠个体的位置，提高种群的差异性，有效地避免了算法的未成熟收敛。本文采用6种单峰测试函数和4种多峰测试函数分别对BA、具有Lévy飞行特征的蝙蝠算法（LBA）和OLBA进行了仿真，通过实验结果的对比分析可以得出，OLBA在寻优过程中，能够加快收敛速度，提高解的精度，并且求得的全局最优解相对稳定。综上，OLBA的改进策略具有有效性和可行性。本文的主要工

7、作是针对蝙蝠算法的缺点进行改进。其中合理设置初始种群、制定种群差异性判断规则、对精英个体的操作处理、蝙蝠个体更新公式等都是影响算法性能的关键。在后续的工作中，将对算法中参数的设置进行深入研究，例如个体更新公式中移动因子的选择、种群差异性的阈值等，并对其它群智能优化算法进行更为细致的分析，取长补短，找到突破点，挖掘蝙蝠算法的潜力，力求进一步改善算法的性能，从而更好地将它应用到实际中。关键词：蝙蝠算法,均匀设计，群体差异性,反向学习,早熟收敛I万方数据西安电子科技大学硕士学位论文II万方数据ABSTRACTABSTRACTBatAlgorith

8、m(BA)isakindofswarmintelligentoptimizationalgorithmwhichissimulatedbybats’huntingbehavior