课程设计蜂群算法及其应用

课程设计蜂群算法及其应用

ID:35446704

大小:698.00 KB

页数:15页

时间:2019-03-24

课程设计蜂群算法及其应用_第1页
课程设计蜂群算法及其应用_第2页
课程设计蜂群算法及其应用_第3页
课程设计蜂群算法及其应用_第4页
课程设计蜂群算法及其应用_第5页
资源描述:

《课程设计蜂群算法及其应用》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、课程设计论文题目蜂群智能算法与应用学  院物理与信息科学学院 专业通信工程班级通信工程04班学生姓名学号20101304362013年9月15日至2010年9月30日共2周指导教师2013年9月27日15蜂群智能算法及其应用1研究背景。伴随着当今社会、经济、文化和科技日新月异的发展,现实生活中面临着许多复杂的非线性大系统和快速反应性系统,这使得我们传统的优化方法逐渐陷入困境。于是,人们开始寻找更快、更好的方法去解决这些复杂问题。在自然界中,那些不起眼的群居低智能的生物表现出来的令人叹为观止的复杂的群体智慧给予我们启迪,如:蚁群、鸟群、蜜蜂群、鱼群等。在群居生物中,单个个体的智能是简单的,但

2、若干个个体组成的群体却表现出远远超出个体相加的智慧。在群体中,个体间相互合作、相互协调的自组织能力能够完成非常复杂的任务。这种现象引起众多学者的关注,人们开始研究现象背后存在的机理,并用计算机仿真其中可循的规律,用以解决传统优化方法难以解决的复杂问题。其中,较为典型且广泛应用的群体智能算法有:蚁群算法、微粒群算法以及蜂群算法等。二十世纪初期以来,在优化领域中,传统的方法,如:线性规划、非线性规划、对策论、多目标规划、决策论排队论、随机规划、库存论等,不仅在理论上的研究有很大的发展,而且在军事、经济、城市建设规划、工厂生产规划、最优设计等各个方面的应用取得显著成就。但伴随着社会、经济和科学技

3、术的飞速发展,在生产生活中出现的许多复杂的非线性系统和快速反应系统等不断的呈现在我们面前,使得传统的优化方法遇到了空前的挑战。群体智能是指由大量数目的智能个体组成的具有智能的群体,这个群体体现出来的智能绝对不是个体智能的简单相加,而是超过这个和的智能现象。在进行目标搜索时,单个个体虽然也能够寻找到目标,但往往只是局限于局部,并不是全局最好的结果。个体在空间中随机搜寻,在没有得到整个群体的信息反馈时,它的搜索是随机的、低智能的、无规律的。只有群体问的个体相互合作、相互协调,进行信息共享时,才能表现出来在全局中针对目标的寻优特征。作为智能个体,就其大小和功能来说,又是相对的,要根据所要解决的具

4、体问题而定。另外,群体智能中的个体,在整个群体寻优过程中也并不能时刻保证都具有寻优的特征,其智能寻优方式的实现足通过整个智能群体的优化特征而体现出来的。人工蜂群算法作为典型的群体智能算法,是基于种群寻优的启发式搜索算法,充分发挥群体中个体问的信息传递,在蜂巢周围寻找到路径最短,食物最丰富的食物源。由于整个觅食过程与旅行商问题的相似性,该算法适合用来解决旅行商的最短路径问题,并取得较好的结果。蜂群算法(BCO,BeeColonyOptimization)是受到自然界的蜜蜂行为启发而提出的一种新颖的元启发式优化算法。根据所受启发的生物机理的不同,蜂群算法可分为两大类:基于蜜蜂繁殖机理的蜂群算法

5、(BCOonpropagating)。基于蜜蜂采蜜机理的蜂群算法(BC0ongathering)。两种思想各有其独特的实现原理和发展轨迹。对于基于繁殖的蜂群算法。Abbass发展出一种蜜蜂繁殖优化模型(BMO,BeeMatingOptimization)。BozorgHaddad和A.Afshar共同将其发展并应用基于离散变量的水库优化问题中。随后,BozorgHaddad等将同一理论在三种数学问题的测试平台上进行了应用。蜜蜂的采蜜行为是一种典型的群体智慧行为。Yang发展出一种虚拟蜜蜂理论15(VBA,virtualbeealgorithm)来解决数值优化问题。VBA中,一群虚拟蜜蜂初始

6、时随机分布在解空间中:这个蜜蜂根据判决函数计算的适应度来寻找附近的花蜜源。理论中,解的优化程度可以用蜜蜂之间交流的剧烈程度来衡量。对于多变量数值优化问题,Karaboga根据蜜蜂采集行为设计了虚拟蜜蜂种群模型(ABC,artificialbeecolonyalgorithm),并和Basturk一起将ABC模型与GA进行了性能上的比较,并进一步与其他比较著名的元启发式理论如:差分进化(DE),粒子群(PSO)在非约束数值优化问题上进行了仿真比较。进而ABC理论被扩展应用到解决约束(CO,constraintoptimization)问题,并在13种比较著名的约束优化问题上与DE,PSO进行

7、了比较。目前,ABC模型的研究主要集中在人工神经网络的训练上。2蜂群算法的理论基础Seely最早提出一种蜂群的群居行为为模型。模型中,群体中的各个角色蜜蜂,只是完成简单的、低智商的任务;但群体中的个体通过舞蹈、气味等信息交互方式使整个群体协同能够完成较为复杂的任务,如建筑蜂巢、繁衍后代和觅食等。KarabogaD在2005年将蜂群算法应用到函数值优化问题上,并提出系统的ABC(ArtificialBeeColonyAlg

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。