混合智能优化算法及其应用.pdf

题;其次提出了一种新的智能算帆惴ǎ盟惴ńú罘纸惴ㄓ摘要智能优化算法利用群体中个体间的信息交互及合作来实现寻优的目的,具有概念简单、实现方便、效率较高等特点,,,该算法的控制参数少,求解多峰、,改进了采蜜蜂和观察蜂的搜索机制,主要表现在:诓擅鄯渲幸肓怂婊荻人阉鞣椒ǎ增强其局部搜索能力,提高搜索效率;鄄旆浣杓罘直湟斓乃枷耄岢了一种新的搜索方法,、差分进化、粒子群算法的数值实验比较,表明改进的人工蜂群算法求解精度高、收敛速度快、鲁棒性好,,、拥挤算子维持解的多样性,而且采用了存档的思想,,在非劣解之间按谒阕樱≡,该算法提高了求解速度,,提高差分进化算法的收敛性,并利用遗传变异算子保持种群多样性,提高搜索效率;最后利用算法求解典型的混沌系统目刂朴胪轿侍猓凳匝楸砻鳎珻惴ú唤瞿苡行У那蠼该问题,,还分析了算法中各个参数对结果关键词:人工蜂群算法差分进化算法爱分进化舁痃随机梯度搜索细菌觅食算法混沌系统变异算子的影响.
—齟鷒咖。,锄,蝐:;甒,旧,鏻..,协【甧葑痚,嬲,珼琾,璽’..琧ǎ甧;仃琲痮,鑕,.琫踟℃『
鎑:讯畂
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯单目标优化问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多目标优化问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文研究内容和结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第二章人工蜂群算法求解单目标无约束优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯人工蜂群算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯改进的人工蜂群算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯数值试验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第三章多目标智能优化算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..经典的多目标智能算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.改进的多目标进化算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.数值试验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第四章混沌系统控制与同步问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.混沌系统控制与同步问题描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯混沌系统控制与同步问题智能算法研究现状⋯⋯⋯⋯⋯⋯⋯⋯细菌觅食和差分进化算法的混合优化算法⋯⋯⋯⋯⋯⋯⋯⋯⋯试验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.结束语⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯在读期间的主要研究成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
叫石,..‘,五此,蔈簟第一章绪论单目标优化问题引言輔,剩最优化是一门应用非常广泛的学科,、,归纳总结了智能优化算法的主要特点,::蔙”是决策变量:是目标函数;七为目标函数的个数;,如:根据变量的类型,最优化问题可以分为连续型最优化问题和离散型最优化问题渤谱楹嫌呕侍;根据目标函数的个数,,,智能优化算法已成为一种有效的最优化方法,并在工程设计、管理优化、系统分析等多方面的应用日益开拓,越来越受到应用部门的重视..ツ勘暧呕侍獾亩ㄒ无约束最优化问题的一般模型为:厂式其中:食摺笔蔷霾弑淞浚怀悄勘旰籈,,分别为等式约束和不等式约束的指标集,朋’≤所;是约束函数.