种的基于蚂蚁混沌行为的群智能优化算法及其应用研究.doc

《种的基于蚂蚁混沌行为的群智能优化算法及其应用研究.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、附件6论文中英文摘要作者姓名：李丽香论文题目：一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究作者简介：：李丽香，女，1978年6月出生，2003年9月师从于北京邮电大学杨义先教授，于2006年7月获博士学位.中文摘要混沌是存在于非线性系统中的一种较为普遍的非线性现象，混沌并不是一片“混乱”，而是有着精致的内在结构的一类非线性现象.混沌的特性主要有伪随机性、遍历性和对初始条件的敏感性.由于遍历性可作为避免搜索过程陷入局部极小的有效机制，因此混沌理论已成为一种新颖且有潜力的优化工具.从20世纪90年代初开始，混沌优化的研究引起

2、了人们极大的兴趣，并成为当前混沌理论研究的一个热点.90年代初，受蚁群可在巢和食物源间建立最短路径的著名试验的启发，学者MarcoDorigo首先开创性地提出了著名的蚁群最优化算法，此后群智能理论研究迅速展开.由于群智能理论在生产计划与调度、商业运作、金融管理、电子技术、通讯、自动控制、光学、生物学等许多领域中具有巨大的应用潜力及发展前景，已经引起国内外学者的广泛关注，从而成为近期计算机、运筹学和智能控制等领域研究中的热点及前沿.现有的受蚂蚁种群行为启发而产生的优化算法，大多都是基于随机搜索机制的非确定性的概率理论发展而来的.但

3、是近年来生物学家Cole发现整个蚁群行为是一种周期行为，然而单个蚂蚁的行为却是混沌行为.蚁群显然是具有智能的团队，这个团队在不断地协作完成一个又一个任务，我们认为种群周期行为的产生正是蚂蚁由独自作业到自组织起来协作完成一个又一个任务的过程.从动力学的角度来说，显然单个蚂蚁的混沌行为和种群强大的自组织能力之间必然存在着某种内在的关系.这种关系是蚁群对周围生存环境适应性的一种自然选择，这些行为有利于蚂蚁的生存.然而混沌现象用MarcoDorigo依据概率理论建立的蚁群优化模型是无法解释的.单个蚂蚁的混沌行为与群体的自组织和蚁群捕食以

4、及最短路径的建立之间是一种什么关系，这一点目前并没有引起国际群智能理论研究者广泛的关注.本文从全新的角度分析了蚂蚁外出捕食、在巢和食物源之间建立最短路径的过程.我们通过构造一个“巢—食物源—巢”之间的映射关系，将蚂蚁的外出捕食过程和建立最短食物路径过程统一起来进行考虑.我们认为蚂蚁的外出捕食过程是一个混沌搜索的过程，最短食物路径的建立过程则是由混沌搜索逐渐过渡到暂态混沌直到收敛到最短食物路径的过程.也就是说，蚂蚁处于一个在信息素和混沌共同作用下的自组织过程，一个类似于混沌退火的过程.在整个过程中蚂蚁通过不断的分泌信息素来传递最好

5、路径信息，并通过信息素形成自组织.本文的这个思想完全不同于MarcoDorigo的关于蚁群通过概率选择来建立最短路径的思想.受蚂蚁外出捕食和建立巢和食物源之间建立最短路径行为的启发，基于混沌搜索机理、自组织理论和群理论，我们创造性地构建了一个新的解决最优化问题的数学模型.这个模型不但可以解释蚂蚁的混沌搜索行为（此时蚂蚁并没有被组织起来），而且可以解释群体建立最佳食物路径的过程.它是一个完全不同于MarcoDorigo的蚁群最优化算法的全新的群智能优化模型.这种模型可以用来表示一种新的在搜索空间中求解非线性函数的全局最优解或者次优

6、解的启发式搜索算法，一个新的基于混沌、自组织和群体协作的群智能优化算法.本文主要创造性地构建了一个用来解决优化问题的新型群智能优化算法模型，即混沌蚁群优化模型，详细分析了这个模型的动力学行为，并对它进行了算法性能测试研究.为了进一步测试算法的有效性、可行性以及算法应用领域范围，本文还开展了混沌蚁群优化算法在参数辨识、模糊系统设计、神经网络训练和PID控制器参数整定等方面的应用研究，并且取得了很好的效果，形成了一个新的关于群智能优化的理论方案.论文的主要研究内容如下：（1）经过对混沌理论和群智能理论的深入探讨，综合了混沌优化和群智

7、能优化的优点，创造性地提出了一个新的现代启发式智能优化算法模型，即混沌蚁群优化算法模型.系统地分析了混沌蚁群优化算法模型的非线性动力学行为，讨论了蚂蚁邻居间的信息交换方式.为了检验所给出新算法的性能，进行了大量的测试工作.首先用多模态函数进行算法性能测试，并和免疫系统优化算法进行了比较；然后，采用标准的高维测试函数进行了测试研究，并且在相同条件下与粒子群和凯尔曼群的算法性能测试的结果相比较；最后，利用有约束的测试函数进行了测试.所有这些测试结果都表明混沌蚁群优化算法可以很好地进行优化搜索.同时对混沌蚁群算法、其它混沌优化算法、蚁

8、群算法和粒子群算法进行了对比分析.（2）基于混沌蚁群算法具有的全局优化搜索能力，提出了采用混沌蚂蚁群算法对动力学系统进行参数估计，给出了利用混沌蚁群算法进行动力学系统参数辨识的具体过程.并且在迭加测量噪声的情况下，利用混沌蚁群算法辨识动力学系统的未知参数，研究了