蚁群智能优化算法的研究与应用

蚁群智能优化算法的研究与应用

ID:36796310

大小:2.12 MB

页数:58页

时间:2019-05-15

蚁群智能优化算法的研究与应用_第1页
蚁群智能优化算法的研究与应用_第2页
蚁群智能优化算法的研究与应用_第3页
蚁群智能优化算法的研究与应用_第4页
蚁群智能优化算法的研究与应用_第5页
资源描述:

《蚁群智能优化算法的研究与应用》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、摘要蚁群智能优化算法的研究与应用摘要蚁群算法是模仿自然界的蚂蚁群体觅食过程中沿最短路径行进的生物学行为发展起来的一种群智能优化方法。该算法以信息素作为间接通信方式,通过内在的搜索机制和正反馈特性,在一系列组合优化问题中取得了成效,并在函数优化、系统辩识、网络路由、机器人路径规划、数据挖掘等领域获得了广泛的应用,取得了较好的效果。本论文围绕蚁群算法的原理、理论及其应用,就如何改进基本蚁群算法及其在组合优化、函数优化、网络路由应用方面进行了深入的研究。本文主要研究成果包括:提出了一种基于协同合作的蚁群优化算法,引入信息素扩散模型实现信息素局部更新,采用随机扰动机制

2、实现信息素的全局更新,发挥了蚁群之间的协同合作能力,使收敛速度更快,全局优化能力更强。实验结果表明,该算法在控制参数的敏感性、寻优能力、以及防止早熟或停滞等方面均远远优于基本蚁群优化算法。在基于协同合作的蚁群优化算法基础上加入粒子群算法的特点,使得蚂蚁具有粒子

3、生且初始解随机化,从而很好地保证了搜索的全局性,较好地避免蚁群算法容易陷入局部解的缺点,使得该算法成功应用于求解连续域空间函数问题。实验结果表明,在一维及多维函数优化实例上均得到了很好的效果。对现有的混沌蚁群算法进行了讨论总结,并提出了一种改进的混沌蚁群算法,并应用于求解QoS多播路由问题。该算法通过对

4、单个蚂蚁混沌行为的调整,引入混沌扰动的信息素更新策略等方法,提高了蚁群算法在求解QoS多播路由问题中的收敛性,仿真实验表明,该算法较好地解决了求解QoS多播路由问题。关键字:协同合作蚁群粒子群混沌函数优化QoS组播路由,‘,.,●哆。缸Z,ANTCOLoNYOPrnMIZ棚ONALGoRITHMANDAbstractAntcolonyalgorithm(ACA)wasintroducedbyM.Dorigoandcolleaguesasanovelnature—inspiredmetaheuristicbasedonthephenomenonofrealant

5、sforagingbehavior,whichbelongstotheclassofswarmintelligence.ACAinspiresthephenomenonthatantscooperatetofindtheshortestroutingpathbymeansofindirectcommunicationusingakindofsubstancecalled“pheromone".Now,ACAhasdevelopedquicklyanditsapplicationfieldsextendmuchwiderfromtravelingsalesman

6、problem(TSP)tocontinuousspaceoptimization,networkrouting,dataminingandpremisesdistributionoflargescaleintegratedcircuitetc,andgoodeffectsoftheseapplicationsaregained.Thispaperfocusesontheprinciples,theoryandapplicationofACA,especially,anin—deepandsystemicstudyonhowtoimprovethebasicA

7、CAalgorithm,solvingtheproblemsofcombinatorialoptimization,functionoptimizationandqualityofservice(OoS)ofnetworkrouting.Themainworksandinnovationasfollows:Thispaperproposesanewantcolonyoptimizationalgorithm,based011amorereasonablediffusionmodeltoupdatethelocalpheromoneandadisturbance

8、strategytoupdatetheglobalpheromone.Thealgorithmshowssomeadvantagesinimprovingthesearchspeedandenhancingcollaborationbetweentheants.AsanexampleofTSP,thesimulationresultsshowthatthealgorithmhasbetterglobalconvergence,robustnessandvalidity.Theoptimizationalgorithmproposedaboveaddsthech

9、aracteristicsAbstra

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。