论文摘要
智能优化算法及其应用的研究近年来受到人们的广泛注意,并在实际中得到很好的应用。本文对差分进化算法、和声搜索算法、蚁群算法以及它们的应用进行了研究,主要工作如下。（1）针对基本差分进化算法的不足,提出了一种改进差分进化算法（KDE）。该算法利用个体差异信息对种群进行分类,将不同种群根据其适度值取值范围进行有区别的变异,根据种群的适度值自适应地调整交叉率和变异率,在保证种群个体的多样性同时,由局部搜索过渡到全局搜索,避免过早陷入局部最优值。（2）提出了一种改进的快速非支配排序遗传算法。该算法基于pareto最优理论,利用支配的概念对解进行评价和选择,获取相互均衡的非支配解集。建立了一种新的电站接地网优化设计模型,并采用带有精英策略的快速非支配排序遗传算法对接地网设计模型进行优化。（3）针对现有改进和声搜索算法的不足,提出了一种自适应和声粒子群搜索算法（FAHS）。该算法首先用粒子群算法对和声记忆库内每个变量寻优,然后利用自适应参数PAR和bw进行调节,提高对多维优化问题的搜索效率。将本文算法应用于0-1背包问题,并与HS算法和IHS算法进行比较。仿真结果表明：FAHS算法比IHS算法和HS算法更为有效。（4）提出了一种基于模糊专家信息的多属性决策方法。首先基于专家信息对各个属性进行模糊排序,然后利用投影寻踪模型进行客观赋权和优化决策。该方法既能兼顾专家们对属性的偏好,又可以体现赋权的客观性,使得决策结果更加合理、可靠。同时提出了一种自适应聚类差分进化算法（ACDE）,实验结果表明该算法显著提高了寻优效果及跳出局部极小值的能力。（5）提出一种具有返回的改进蚁群算法,解决了蚁群算法中蚂蚁陷入“死胡同”的问题,提高了算法的收敛速度。研究了汽车导航问题,在常用算法的基础上,提出了基于动态有限区域搜索的策略；并利用A*算法和改进蚁群算法先后进行两次路径优化,提高了搜索效率和精度。实例仿真结果验证了本文方法的有效性。
论文目录
摘要ABSTRACT第1章 绪论1.1 研究背景和意义1.2 优化问题概述1.2.1 优化问题的数学描述1.2.2 优化问题的求解方法1.2.3 没有免费午餐定理1.2.4 优化问题的分类1.3 智能算法概述1.3.1 智能群体算法研究现状1.4 本文主要工作第2章 多种群并行的自适应差分进化算法2.1 引言2.2 基本差分进化算法2.3 改进的差分进化算法2.3.1 产生初始种群的改进2.3.2 多种群并行的进化策略2.3.3 变异率和交叉率的自适应调整2.4 改进的差分进化算法寻优仿真2.5 本章小结第3章 带精英策略的快速非支配排序遗传算法的改进及应用3.1 引言3.2 基于Pareto最优的多目标优化算法3.2.1 Pareto最优的相关概念3.2.2 带精英策略的快速非支配排序遗传算法3.2.3 算法改进3.2.4 约束处理3.2.5 最佳参考解的选取3.3 变电站接地网优化设计3.3.1 变电站接地网优化模型3.3.2 变电站接地网优化设计模型的建立与简化3.3.3 接地网优化设计模型的优化仿真实验3.3.4 仿真结果分析3.4 本章小结第4章 自适应和声搜索算法在0-1背包问题中的应用4.1 引言4.2 基本和声搜索算法4.3 改进和声搜索算法4.4 自适应和声搜索算法4.5 仿真实验4.6 AHS算法在0-1背包问题中的应用4.6.1 0-1背包问题介绍4.6.2 准备工作4.6.3 实验结果和分析4.7 本章小结第5章 ACDE算法及在多属性决策中的应用5.1 引言5.2 投影寻踪模型5.2.1 投影寻踪技术的基本思想5.2.2 投影寻踪建模步骤5.3 基于专家信息的投影寻踪多属性决策方法5.3.1 基于专家信息的模糊排序5.3.2 基于投影寻踪的多属性决策5.4 自适应聚类差分进化算法5.4.1 ACDE算法流程5.4.2 ACDE算法的数值仿真5.5 验证性仿真5.5.1 仿真过程5.5.2 仿真结果分析5.6 本章小结第6章 改进的蚁群算法及在汽车导航中应用6.1 引言6.2 基本蚁群算法6.3 有返回的蚁群算法（BACO）6.3.1 “死胡同”（回头路）问题描述6.3.2 允许返回的蚁群算法6.3.3 算法参数分析6.3.4 实验仿真比较分析6.4 城市汽车导航中改进蚁群算法应用*算法'>6.4.1 汽车导航A*算法6.4.2 基于动态规划的限制区域搜索6.4.3 动态规划搜索区域的分层回溯蚁群搜索算法6.5 仿真实验与分析6.6 本章小结第7章 结论与展望7.1 结论7.2 展望参考文献致谢攻读博士期间发表的论文
相关论文文献
标签：差分进化算法论文; 和声搜索算法论文; 蚁群算法论文; 接地网设计论文; 多属性决策论文; 背包问题论文; 汽车导航论文;
