基于三種典型優(yōu)化算法的群智能算法研究.pdf

1、群智能算法作為一種新興智能優(yōu)化算法，已引起越來(lái)越多研究者的關(guān)注。它模擬自然界群居性生物通過(guò)相互合作而表現(xiàn)出復(fù)雜智能行為的現(xiàn)象，具有分布式、自組織性、協(xié)作性、魯棒性、易于實(shí)現(xiàn)等特點(diǎn)，為典型的復(fù)雜組合優(yōu)化問(wèn)題、人工智能等一些基礎(chǔ)理論問(wèn)題提供了快速方便的優(yōu)化方法，同時(shí)也為人工神經(jīng)網(wǎng)絡(luò)、車(chē)輛調(diào)度、無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)部署等應(yīng)用領(lǐng)域開(kāi)辟了新途徑。然而群智能算法研究仍處于一個(gè)尚需不斷完善的階段，本文主要針對(duì)微粒群算法、混合蛙跳算法及細(xì)菌覓食優(yōu)化算法三種

2、典型的群智能算法進(jìn)行研究，給出了基于這三種算法的改進(jìn)優(yōu)化算法，具體工作如下：
　　針對(duì)微粒群算法和混合蛙跳算法存在早熟收斂問(wèn)題，提出一種基于微粒群與混合蛙跳算法融合的群智能算法。新算法將整個(gè)群體分成數(shù)目相等的蛙群和微粒群群體。在兩群體獨(dú)立進(jìn)化過(guò)程中，設(shè)計(jì)了一種兩群之間的信息替換策略：比較蛙群與微粒群的最佳適應(yīng)值，如果蛙群進(jìn)化較好，利用蛙群各子群中最差個(gè)體替換微粒群一部分較好個(gè)體；否則，用微粒群中較好的一部分個(gè)體替換蛙群各子群的最好

3、個(gè)體。同時(shí)，設(shè)計(jì)了一種兩群之間的相互協(xié)作方式。為避免微粒群算法因早熟收斂而影響信息替換策略效果，適時(shí)對(duì)其所有個(gè)體最好位置進(jìn)行隨機(jī)擾動(dòng)。仿真實(shí)驗(yàn)表明，新算法可以有效提高全局搜索能力和收斂速度。
　　其次，提出一種基于細(xì)菌算法思想的改進(jìn)微粒群算法。算法以多樣性為指標(biāo)將整個(gè)搜索周期分為前期、中期和后期。三個(gè)搜索周期分別模仿細(xì)菌算法的趨向性操作、復(fù)制操作及遷移操作。在算法前期，利用標(biāo)準(zhǔn)微粒群算法進(jìn)行全局搜索；算法中期，利用新設(shè)計(jì)的速度公式

4、進(jìn)行迭代，以有效擴(kuò)大種群多樣性，然后進(jìn)化較好的一半微粒進(jìn)行自我復(fù)制，替換較差一半微粒的位置；在算法后期，多樣性非常低時(shí)，全局最差個(gè)體重新隨機(jī)生成。通過(guò)與其它算法進(jìn)行對(duì)比，算法具有良好的全局搜索性能。
　　最后，針對(duì)傳統(tǒng)無(wú)線傳感移動(dòng)節(jié)點(diǎn)部署方法存在節(jié)點(diǎn)分布不均勻、覆蓋不完全等問(wèn)題，從群智能算法角度提出一種基于混合蛙跳算法的移動(dòng)節(jié)點(diǎn)部署方法。首先根據(jù)節(jié)點(diǎn)位置信息建立部署模型，然后利用混合蛙跳算法求解該模型，優(yōu)化過(guò)程中的解作為節(jié)點(diǎn)的最終