人工魚群混合智能優(yōu)化算法及其應用研究.pdf

1、優(yōu)化問題一直是科學和工程研究領域的熱點問題。傳統(tǒng)的優(yōu)化方法在處理大維數(shù)、多模態(tài)等復雜問題上存在諸多不足。國內(nèi)外研究學者對此進行了研究和探討，提出了多種智能優(yōu)化算法，并結(jié)合各種優(yōu)化算法的優(yōu)點，衍生出多種混合智能優(yōu)化算法。本文在分析人工魚群算法基本原理的基礎上，結(jié)合禁忌搜索算法和遺傳算法，提出了兩種新的混合智能優(yōu)化算法，并將混合算法應用于多目標優(yōu)化、參數(shù)估計和組合優(yōu)化中，擴展了算法的應用范圍。
　　 本文所作的主要工作如下：

2、　　 1.系統(tǒng)地介紹智能優(yōu)化算法的研究現(xiàn)狀，以及單純智能優(yōu)化算法的局限性和混合智能優(yōu)化算法的優(yōu)點。重點分析人工魚群算法，并通過典型函數(shù)的仿真，探討參數(shù)對人工魚群算法收斂速度和精度的影響，總結(jié)出魚群算法參數(shù)設置的基本原則，提出分階段和變參數(shù)尋優(yōu)的改進策略。
　　 2.結(jié)合人工魚群算法的改進策略，提出兩種新的混合智能優(yōu)化算法：禁忌與魚群混合優(yōu)化算法(HIOA—TSFA)和遺傳與魚群混合智能優(yōu)化算法(HIOA—GFA)。通過對兩種混

3、合智能優(yōu)化算法的仿真研究，以及與前人的研究成果比較，均驗證了本文提出兩種算法的有效性。
　　 3.通過引入懲罰項的方法，將HIOA—TSFA算法應用于解決多目標優(yōu)化問題。仿真研究表明，該算法在解決復雜函數(shù)的優(yōu)化問題和多目標優(yōu)化問題中效果顯著。將H10A—GFA應用于非線性系統(tǒng)的參數(shù)估計問題，在無噪聲和有白噪聲的條件下，通過Lorenz混沌系統(tǒng)進行仿真研究，結(jié)果表明該混合算法對于解決參數(shù)估計問題十分有效。最后，進一步引入去交叉局部