欢迎来到天天文库
浏览记录
ID:43496036
大小:5.74 MB
页数:54页
时间:2019-10-08
《灰狼算法的优化研究与实现》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、位代码:10183分类号:TP311单研究生学号:201353R839密级:公开吉林大学硕士学位论文(专业学位)灰狼算法的优化研究与实现rlttonofImemenaiNovelReseachandpGreWolfAlorithmyg作者姓名:康娜类别:工程硕士领域(方向):软件工程指导教师:李颖教授培养单位:软件学院2018年6月灰狼算法的优化研究与实现NovelResearchandImplementation
2、ofGreyWolfAlorithmg作者姓名:康娜领域(方向):软件工程指导教师:李颖教授类别:在职工程硕士答辩日期:2018年月V日t未经本论文作者的书面授权,依法收存和保管本论文书面版本、电子版本的任何单位和个人,均不得对本论文的全部或部分内容进行任何形式的复制、、修改发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则,应承担侵权的法律责任。吉林大学博士或硕士学位论文原创性声明()本人郑重声明:所呈交学位论文
3、,是本人在指导教师的指导下,独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研宄做出重要贡献的个人和集体,均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:t年P月mm摘要灰狼算法的优化研究与实现一近20年以来,元启发式优化算法经提出便在社会经济的各个领域得到了20GWO一广泛的应用。在14年,灰狼优化()算法被提出,是种新型元启发式
4、优化算法,这个算法在寻找最优解方面的性能优良。算法依然存在易于收敛到局部最优的缺陷一,然而,国内外学者对该算法在这问题上的改进研究却尚未深入展开。本文针对灰狼算法易陷入局部最优的缺陷导致搜索精度偏低的问题,提出了?一GW0GW0种改进的算法。首先,在算法的进化后期,由于群体中所有灰狼个体都朝着估计的最优个体区域逼近,整个群体易于陷入局部最优解,导致群体缺少多样性。本文将控制因子结合随机,随着搜索的不断进行,对局部的搜索也更为,L6vy飞,充分从而提高算法的性能,本
5、文引入具有较好随机性的;其次行策略一L一dvy飞行移动系列较小步长后突然移动个较大步长,将其与g和&结合,从而有助于跳出局部最优,在进化后期,所有灰狼个体均向估计的全局最优;最后解方向移动,灰狼优化算法收敛速度明显变慢或停止,这是种群搜索的群智能优化算法的固有缺陷。为了避免灰狼优化算法陷入局部最优,本文对当前最优灰狼位置进行多样性变异。通过对多个基准测试函数的仿真实验,结果显示:相比于PS0算法、GSA算法、FEP算法和DE算法,所提改进的灰狼算法有效摆脱了局部收敛,在搜索精
6、度、算法稳定性以及收敛速度上具有明显优势。元启发式算法,群智能算法,优化算法,灰狼算法IABSTRACTAbstractltWoitNovelResearchandImpementaionofGreylfAlrhmgontheasttaheurstcotzationalorithmhasbeenwidelusedIp20earsmeiipimigyy,inalfieldsofsocialeconom.In2014Mi
7、ralilietal.rsedanewmetaheuristicly,jpopootilWolfttlthwhiimizatonaorithmnamedGreOimizaionGWO)orimchhaspgyp(ag,excellenterformanceinfindintheotimalsolution.Howevertherearestillsomepgp,shortcomingsthatthealgorithmconv
8、ergestothelocaloptimum.However,thefulimprovementofthisalgorithmonthisissuehasnotyetbeenllyexporedbydomesticandforeinscholars.gnthisaeramnatthedefectthatrawolalorithmiseastofaltoIppiiflin,ggygy
此文档下载收益归作者所有