連續(xù)優(yōu)化的蟻群算法改進及應用.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、蟻群優(yōu)化(Ant Colony Optimization,簡稱ACO)是一種新興的啟發(fā)式模擬進化算法.人們對蟻群算法做了很多改進和擴展,在很多領域獲得了廣泛應用. 但是蟻群算法仍然存在一些問題,如算法收斂速度慢、搜索時間長、易陷入局部最優(yōu)等缺點.由于蟻群算法在形式上不大適于解決連續(xù)優(yōu)化問題,在總結和分析已有研究成果的基礎上,對蟻群算法求解連續(xù)空間的優(yōu)化問題進行了一些改進.主要包括: (1)提出了一種用蟻群算法解決連續(xù)函數(shù)

2、的算法框架,并在此基礎上給出了蟻群算法在優(yōu)化連續(xù)和離散問題的統(tǒng)一描述形式.蟻群算法比較適合于解決離散問題如靜態(tài)和動態(tài)組合優(yōu)化問題,但是不方便解決連續(xù)優(yōu)化問題.根據(jù)蟻群算法在解決連續(xù)優(yōu)化問題時存在的問題,提出了一種描述方案:將連續(xù)問題離散化處理,借鑒蟻群算法解決TSP問題的思路來優(yōu)化連續(xù)函數(shù)問題;同時加入變異操作,以獲得種群的多樣性,在一定程度上體現(xiàn)連續(xù)性的要求.該方案不僅從功能上實現(xiàn)了蟻群算法的優(yōu)化連續(xù)空間問題,而且從描述形式上使蟻群算

3、法應用于離散問題和連續(xù)問題時獲得了基本統(tǒng)一方式. (2)為了提高蟻群算法解決連續(xù)問題的性能,提出了一種新的雜合優(yōu)化算法即將蟻群算法與分布估計算法相融合,主要是針對種群的多樣性.該算法不僅避免了交叉和變異操作帶來的參數(shù)估計問題,而且通過計算種群個體的分布密度函數(shù)從而自適應地改變信息素濃度,從而提高了算法的優(yōu)化性能. (3)介紹了問題復雜性描述的涵義、基本思想、并將其引入現(xiàn)代優(yōu)化算法中,進一步提高算法解決復雜問題的能力.極值

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論