群集智能優(yōu)化算法的研究.pdf

1、基于群集智能的優(yōu)化算法是一種仿生自然界動物昆蟲覓食、筑巢行為的模擬進(jìn)化算法.目前主要的群集智能優(yōu)化算法有:遺傳算法、蟻群算法、粒子群算法以及魚群算法.它們均是一種隨機(jī)搜索的迭代算法,對優(yōu)化對象的性態(tài)無要求.但由于各算法的搜索機(jī)制、特點(diǎn)和適用范圍存在著差異,實(shí)際應(yīng)用時(shí)為選取適合問題的具有全面優(yōu)良性能的算法,往往依賴于足夠的經(jīng)驗(yàn)和大量的實(shí)驗(yàn)結(jié)論;而且,由于目前該類算法研究成果分散,缺乏系統(tǒng)化的研究,繁多的類似算法不斷涌現(xiàn).這種現(xiàn)象不利于開發(fā)

2、新型混合機(jī)制的優(yōu)化算法,不利于拓寬算法的應(yīng)用領(lǐng)域,對優(yōu)化領(lǐng)域的發(fā)展也無任何積極意義.鑒于此,該文區(qū)別于以往的任何僅針對幾個具體優(yōu)化對象討論算法的性能特征的研究,將優(yōu)化對象界定為函數(shù)優(yōu)化問題,提出了波峰波谷算法對函數(shù)進(jìn)行分類,將函數(shù)劃分為嚴(yán)格單調(diào)、單峰函數(shù),宏觀單調(diào)、單峰函數(shù)以及多峰函數(shù)三類.并根據(jù)函數(shù)曲面的變化特征將單調(diào)和單峰函數(shù)細(xì)分為曲面變化平緩和非平緩兩類.通過分析討論各算法的操作算子和算法本身的性能特征,從維持算法搜索/利用(ER