基于多策略改进蜻蜓算法的应用与研究

作     者：闵峰 

作者单位：广西民族大学 

学位级别：硕士

导师姓名：黄华娟

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：蜻蜓算法 模拟退火算法 混沌映射 生物共生搜索算法 离散化 多目标优化 余弦扰动 

摘      要：蜻蜓算法是澳大利亚学者Mirjalili在2015年提出的一种新型群智能优化算法,因其结构较为简单,参数容易调节,且能快速锁定最优解区域而引起广泛关注,并逐渐成为计算智能领域的研究热点之一。随着研究的不断深入,研究者们发现该算法在优化过程中极易陷入局部极值,且收敛速度较慢。本文为了提高蜻蜓算法的收敛速度与稳定性,解决该算法容易陷入局部最优解等缺陷,对基本的蜻蜓算法进行改进,并应用于求解函数优化、工程实例优化问题、逆运动学的求解问题和并行机器调度问题。本文的主要研究工作主要分为以下三个方面:1、为了改进蜻蜓算法的收敛能力,避免其在求解过程过早陷入局部极值,本文引入了模拟退火机制,提出一种基于模拟退火机制的蜻蜓算法(SADA,Dragonfly algorithm based on simulated annealing),并将SADA应用于求解函数优化及工程优化问题,同时与四个热门的群智能优化算法进行对比,实验测试结果表明,SADA对各种类型函数的优化效果都优于其他对比算法,同时在工程应用方面更有竞争力。2、为了使算法获得全局最优解,同时避免其陷入局部最优,引入混沌映射、融合生物共生搜索算法并加入余弦扰动,提出一种多策略混合的蜻蜓算法(MIDA,Multi-strategy Improved Dragonfly Algorithm),并将其应用于逆运动学中求解五自由度机械臂问题,实验结果表明,MIDA在求解逆运动学问题中效果显著,精度更高。3、为解决多目标优化问题,提出一种离散多目标优化的蜻蜓算法(DMODA,Discrete multi-objective dragonfly algorithm),将其应用于并行机器调度问题。实验表明,DMODA优化并行机器调度问题的效果更优。