分享到:

改进群智能优化算法研究及应用

群智能优化算法由于其实现简单,灵活性强,鲁棒性高等优点,得到了很多研究者的关注,并被广泛的应用于各种领域的优化问题。近年来,有很多新颖的群智能算法被提出,其中包括灰狼优化算法(GWO)、鲸鱼优化算法(WOA)和蚱蜢优化算法(GOA)。这些算法都是通过模拟动物的捕食和迁移行为实现的。虽然这些群智能算法与经典的群智能算法(如遗传算法,粒子群算法等)相比具有明显的优势,但是在优化实际问题时依然有着收敛速度慢,容易陷入局部最优的问题。本文针对这三种群智能优化算法各自存在的问题分别提出了改进方法,并将这些改进算法成功应用到现实优化问题。本文的主要研究内容如下:(1)在GOA的基础上,通过引入反向学习机制、Levy飞行机制和高斯变异机制提高算法的全局和局部搜索能力,提出了一种改进蚱蜢优化算法(IGOA)。在IGOA算法中,高斯变异机制首先被用来增加种群多样性,提高局部搜索能力。其次,利用Levy飞行提高GOA的随机性和跳出局部最优的能力。最  (本文共73页) 本文目录 | 阅读全文>>

武汉大学
武汉大学

土地质量空间抽样的群智能优化决策方法研究

随着人类对土地系统扰动作用的日益增强,土地质量安全问题已经成为全球性的科研议题。准确合理地调查和监测土地质量变化情况是科学制定土地管理政策的基础,是保障土地质量安全和实现土地资源可持续利用的有力支撑。FAO、UNEP等国际组织以及各国政府均广泛开展了土地质量调查、监测和评价工作。鉴于我国人多地少和社会经济发展迅速的基本国情,土地资源面临的压力将大于任何其他国家,开展此项工作更是迫在眉睫。在土地质量调查、监测实施过程中,空间抽样技术因其能够在保证精度的前提下避免全面调查造成的巨大人力、物力和财力开销,已经成为主要的数据获取手段。但是,传统土地质量空间抽样方法在设计抽样方案时并未考虑不同的土地质量指标空间分布特征的影响,定量化、智能化程度亦不高,抽样效率和精度难以满足研究人员的要求。因此,研究面向不同土地质量指标样点空间分布特征的、智能化的、高效能的土地质量空间抽样优化决策技术和方法成为土地资源调查和监测技术研究领域的发展趋势。微粒...  (本文共153页) 本文目录 | 阅读全文>>

河南师范大学
河南师范大学

基于群智能优化的智能组卷算法研究

目前,大多智能组卷系统都或多或少的存在着组卷速度慢或成功率低等缺陷,整体水平较低。在智能组卷系统中,如何组建一份满足条件的试卷,其关键问题在于智能组卷算法的设计。因此,分析、研究和改进智能组卷算法有助于提高教学质量。传统的组卷算法通常是基于随机抽取算法或者基于项目反应理论等,但是这些算法普遍存在组卷成功率低、时间消耗大等不足。本文在细菌觅食优化算法和果蝇优化算法的基础上,结合云模型的思想,提出了改进的细菌觅食优化算法和果蝇优化算法,并用于优化智能组卷算法。实验结果表明了这两种智能组卷算法的有效性。其主要研究内容如下:(1)分析了常用的智能组卷算法,概括了这些算法的优点和不足,着重比较了基于遗传算法和基于群智能优化的智能组卷算法的相同点和不同点。总结出了细菌觅食优化算法和果蝇优化算法优化智能组卷算法的可行性。(2)提出了基于云模型的细菌觅食优化算法。在标准细菌觅食优化算法的理论上,首先给出了细菌灵敏度概念,运用了X条件云模型来调整...  (本文共89页) 本文目录 | 阅读全文>>

《信息系统工程》2016年12期
信息系统工程

多群智能算法的云计算任务调度的对策研究

随着社会的不断发展,科技的不断进步,我国各个领域近年来都得到了很好的发展,经济实力也得到了有效提升,当今社会的飞速发展使得对人才、对设备、对技术等多方面的要求都有所提升,尤其...  (本文共1页) 阅读全文>>

《数码世界》2017年05期
数码世界

从鸡群算法看群体智能算法的发展趋势

分析比较各种群智能算法的特点,并重点研究了鸡群算法的特异性特征,总结出鸡群算法具有群体中个...  (本文共1页) 阅读全文>>

武汉理工大学
武汉理工大学

基于社群特性的群智能算法研究及在物流中的应用

随着我国经济的飞速发展,物流作为现代服务业的主要支柱产业也面临着向信息化和智能化转型的机遇。高效、安全和低碳为物流资源的合理利用提出了更高的要求和挑战。在新发展趋势下,如何对具有大规模、动态和多目标等特征的复杂物流问题进行优化受到了特别关注,常规方法往往不能满足实际应用的需要。群智能算法高效和简洁的计算性能,为解决物流运作中的复杂问题提供了可行的技术手段。然而在解决复杂问题中,一般的群智能算法仍然面临着容易陷入局部最优和早熟等问题,阻碍了其在物流领域的深入应用。如果可以改善群智能算法缺陷,将会极大提升群智能算法的优化能力,拓展在物流领域的应用。论文旨在从种群拓扑网络、邻域结构和个体行为方面研究群智能算法的改进和构建,以提高智能算法在处理复杂优化问题的能力,为解决物流运作中的实际问题提供有效方法。论文主要研究工作和创新点如下:(1)从邻域构建角度,提出了聚类自适应粒子群改进算法(APSO-C)。基于对种群中个体搜索行为的分析,采用...  (本文共164页) 本文目录 | 阅读全文>>

合肥工业大学
合肥工业大学

基于群智能的复杂联盟机制研究

基于多agent系统(Multi-agent systems,MAS)的分布式智能控制正在蓬勃兴起,以适应计算机支持的协同工作等应用需求,因而使得对MAS中的联盟研究也变得越来越重要。如何形成一个稳定均衡的联盟,使联盟朝着稳定的方向发展,是控制理论的前沿课题,已经成为迫切需要解决的关键问题。传统的研究方法仅考虑一个agent只能加入一个联盟,势必造成agent能力和资源的极大浪费,而且在很多应用场合不能满足实际系统的需要。基于上述背景,本文提出“复杂联盟”的概念,并引入群智能技术,力图在多任务环境中实现真正意义上的一个agent可以同时加入多个联盟和一个联盟可以同时承担多个任务,从而能在一定程度上提高系统的任务求解效率和资源利用率,为解决复杂控制问题提供理论指导和方法依据。本文的主要内容及创新之处如下:(1)提出一种基于多粒子群协同优化的复杂联盟串行生成算法。基于图论的思想,给出了“虚拟agent”的概念,旨在转移父联盟的剩余能...  (本文共108页) 本文目录 | 阅读全文>>