检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

动态优化问题的算法研究及测试函数设计

动态优化问题的算法研究及测试函数设计

作者：李洪建吉首大学

学位级别：硕士

在现实生活中很多优化问题的适应度函数、变量数量或约束条件会随着时间的推移而发生变化,通常把这类具有动态特性的优化问题称为动态优化问题。由于动态优化问题的复杂性,研究人员通常用一系列的动态测试函数来模拟实际的动态优化问题... 详细信息

在现实生活中很多优化问题的适应度函数、变量数量或约束条件会随着时间的推移而发生变化,通常把这类具有动态特性的优化问题称为动态优化问题。由于动态优化问题的复杂性,研究人员通常用一系列的动态测试函数来模拟实际的动态优化问题。本文分析了以往的动态测试函数,并选取了一系列进化算法对现有的动态测试函数进行评测。然而,大多数进化算法存在收敛速度慢和精度不高的缺点,导致无法快速求出最优解和实时跟踪最优解的变化。单维度采样算法由于收敛速度快、精度高且算法操作灵活的特点,非常适合用于求解动态优化问题。通过一系列测试,本文发现以往的动态测试函数无法模拟实际环境的不同程度变化,理论与实际还存一定的差距。本文的工作主要如下:1.针对目前用于求解动态优化问题的算法存在收敛速度慢、精度不高的问题,以单维度采样算法为基础,结合动态环境特性,提出了动态单维度采样算法。本文首先分析了单维度采样算法的特征和优势,论证了用单维度采样算法作为基础算法的有效性。其次,算法引入了记忆策略、年龄度策略和重启策略,使算法能够有效求解动态优化问题的最优解和快速跟踪最优解的变化。最后,本文以现有的动态测试函数为平台,测试动态单维度采样算法,并将其与其他同类优秀算法比较。实验结果表明动态单维度采样算法在收敛速度和求解精度方面都有较好的优势,同时在实时跟踪方面比同类算法更有优势。2.通过一系列算法在现有的动态测试函数上测试,发现现有的动态测试函数无法实现不同程度的环境变化。动态测试函数是现实动态优化问题的抽象表达,应该贴切于实际问题。本文首先全面回顾了现有的动态测试函数,仔细研究了现有动态测试函数实现动态变化的方法。其次,在现有动态测试函数的基础上,提出了一套高度可配置的动态测试函数集。在这套测试问题集中,一是使用了多个静态函数相融合构造动态测试函数;二是使用了维度变化比的方法构造动态环境。最后,本文从公平性考虑,选择了经典的动态粒子群算法测试本文所设计的动态测试函数,选用最常用的现有动态测试函数来验证有效性。实验结果验证了本文所提出的动态测试函数可通过调整参数调节不同强度的环境变化。

关键词：动态优化问题动态优化算法单维度采样算法进化算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动态优化问题的进化求解策略

动态优化问题的进化求解策略

作者：曹勇中国科学技术大学

学位级别：硕士

现实社会中存在大量的动态优化问题,研究并解决这些问题具有重要的现实意义。进化算法是一种智能计算方法,目前已被广泛的应用于求解动态优化问题中。因此,研究进化算法下的动态求解策略意义重大。本文在已有研究成果的基础上,从三个方... 详细信息

现实社会中存在大量的动态优化问题,研究并解决这些问题具有重要的现实意义。进化算法是一种智能计算方法,目前已被广泛的应用于求解动态优化问题中。因此,研究进化算法下的动态求解策略意义重大。本文在已有研究成果的基础上,从三个方面对动态环境中的进化求解策略展开了研究,具体工作如下:(1)研究并设计了一种新的联想记忆更新策略。本文通过分析联想记忆机制中环境信息与个体的对应关系,提出了一种基于环境信息的联想记忆更新策略,并在不同的环境下使用三种动态测试用例检验了该策略的性能。实验结果表明,该策略在循环环境中能显著的提高联想记忆算法的性能。(2)在联想记忆机制下提出了两种新的使用策略,分别是基于竞争的联想记忆使用策略和基于多样性的联想记忆使用策略。这两种策略在选择环境信息使用时分别用环境信息在新环境中的竞争力以及环境信息的多样性作为依据。在实验中,这两种策略与经典的使用策略做了比较,结果表明,这两种策略都是有效的动态问题求解策略。(3)通过混合记忆机制、精英机制与随机移民机制提出了一种自适应的混合迁移策略。在该策略中存在三种不同的迁移个体,而且每种迁移个体的数目在进化过程中会依据其迁移个体对搜索的贡献不断的自我调节。实验表明,这种自适应混合迁移策略能有效的提升算法的环境适应能力。本论文通过动态优化问题的研究,提出了基于环境信息的联想记忆更新策略、基于竞争的联想记忆使用策略、基于多样性的联想记忆使用策略以及自适应混合迁移策略。这些工作不仅对动态优化问题中进化求解策略的研究有着重要的意义,对实际动态问题中进化求解策略的应用也有重要的指导作用。

关键词：动态优化问题动态环境进化算法进化求解策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

求解动态优化问题的分叉PSO算法

系统仿真学报 2010年第12期22卷 2895-2899页

作者：王洪峰汪定伟黄敏东北大学信息科学与工程学院系统工程研究所沈阳110004

近些年来,求解动态环境中的优化问题已经逐渐成为进化计算领域的一个新的研究热点。为了改善一般PSO算法求解这种动态优化问题的能力,现提出了一种采用分叉策略的多粒子群PSO算法。该算法能够利用一个较大的主粒子群不断搜索问题适值曲... 详细信息

近些年来,求解动态环境中的优化问题已经逐渐成为进化计算领域的一个新的研究热点。为了改善一般PSO算法求解这种动态优化问题的能力,现提出了一种采用分叉策略的多粒子群PSO算法。该算法能够利用一个较大的主粒子群不断搜索问题适值曲线上新的峰,而利用从主粒子群中分离出来的若干个较小的子粒子群去跟踪已经发现的峰的变化。通过对一组标准动态测试函数的实验,能够证明所提出的算法在动态环境中具有较强的鲁棒性和适应性。

关键词：粒子群优化算法分叉多粒子群动态优化问题

一种求解动态优化问题的改进自适应差分进化算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2021年第4期47卷 84-91,99页

作者：刘树强秦进贵州大学计算机科学与技术学院贵阳550025

针对原始动态自适应差分进化(SADE)算法局部搜索能力弱和寻优精度低的问题,提出一种求解动态优化问题的邻域搜索差分进化(NSDE)算法。通过引入邻域搜索机制,在划分种群最优个体的邻域空间范围内产生候选解,选取候选解集合中的最优解并... 详细信息

针对原始动态自适应差分进化(SADE)算法局部搜索能力弱和寻优精度低的问题,提出一种求解动态优化问题的邻域搜索差分进化(NSDE)算法。通过引入邻域搜索机制,在划分种群最优个体的邻域空间范围内产生候选解,选取候选解集合中的最优解并对种群最优个体进行迭代,增强算法局部搜索能力。在传统基于距离的排斥方案中,引入hill-valley函数追踪邻近峰,提高算法寻优精度。实验结果表明,与SADE、人工免疫网络动态优化、多种群竞争差分进化和改进差分进化算法相比,NSDE算法在49个测试问题中分别有28、38、29和38个测试问题的平均误差更小,综合性能表现更好。

关键词：自适应差分进化动态优化问题邻域搜索排斥方案平均误差

在线全文

学校读者我要写书评

暂无评论

求解动态优化问题的多种群骨干粒子群算法

计算机工程与应用 2017年第19期53卷 45-50,108页

作者：陈健申元霞纪滨安徽工业大学计算机科学与技术学院安徽马鞍山243032

针对动态优化问题(Dynamic Optimization Problem,DOP)中所面临的过时记忆和多样性丧失的挑战,提出了一种改进的多种群骨干粒子群优化算法(Multi-swarms Bare Bones Particle Swarm Optimization,MBBPSO)。通过设置环境勘探粒子及时检... 详细信息

针对动态优化问题(Dynamic Optimization Problem,DOP)中所面临的过时记忆和多样性丧失的挑战,提出了一种改进的多种群骨干粒子群优化算法(Multi-swarms Bare Bones Particle Swarm Optimization,MBBPSO)。通过设置环境勘探粒子及时检测环境的变化,避免了错误信息误导种群的进化方向;环境改变后,利用上一个环境搜索的信息初始化新的种群,提高MBBPSO快速追踪到当前环境的优秀解的能力;当种群陷入停滞时,采用新的进化方程以加强粒子的活性和多种群策略维持群体的多样性。仿真实验表明,MBBPSO在解决动态环境问题中具有较强的竞争力。

关键词：动态优化问题骨干粒子群算法过时记忆多样性丧失多种群

高计算代价动态优化问题的代理模型辅助粒子群优化算法

在线全文

学校读者我要写书评

暂无评论

陕西师范大学学报（自然科学版） 2021年第5期49卷 71-84页

作者：张勇胡江涛中国矿业大学信息与控制工程学院江苏徐州221118

针对同时具备动态优化与高计算代价两种特征的高代价动态优化问题,提出一种代理模型辅助的动态粒子群优化算法。为加快种群对环境变化的响应速度,给出一种基于多方向预测的种群初始化方法,用来产生多样性好且目标值优秀的初始种群;为降... 详细信息

针对同时具备动态优化与高计算代价两种特征的高代价动态优化问题,提出一种代理模型辅助的动态粒子群优化算法。为加快种群对环境变化的响应速度,给出一种基于多方向预测的种群初始化方法,用来产生多样性好且目标值优秀的初始种群;为降低代理模型的构建代价且保持其预测精度,设计一种融合目标值预测机制的代理模型更新策略。通过处理多个典型的高计算代价动态优化问题,实验结果表明,相比已有算法,所提算法可以较快地跟踪随环境变化的问题最优解。

关键词：粒子群优化动态优化问题高计算代价代理模型

求解动态优化问题的Memetic算法研究及应用

在线全文

学校读者我要写书评

暂无评论

求解动态优化问题的Memetic算法研究及应用

作者：孙茜东北大学

学位级别：硕士

动态优化问题的研究在现实生产和生活中具有非常广泛的意义。例如,接连到达的工件需要被加入到原有的调度中;机器可能会发生随机故障或逐渐磨损;原材料的性能可能会随时间发生改变;生产过程中需要考虑生产限度的影响等。近些年来,动态... 详细信息

动态优化问题的研究在现实生产和生活中具有非常广泛的意义。例如,接连到达的工件需要被加入到原有的调度中;机器可能会发生随机故障或逐渐磨损;原材料的性能可能会随时间发生改变;生产过程中需要考虑生产限度的影响等。近些年来,动态环境中优化问题的求解已经引起了学者的广泛关注。本文提出一种新的求解动态优化问题的Memetic算法。Memetic算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体。因而Memetic算法成为解决各种优化问题的很好的方法。然而算法随着迭代的进行,种群会逐渐收敛,失去了对环境变化的适应能力,这是Memetic算法在动态环境中所面临的主要挑战。因此,在全局搜索策略中为了避免种群出现过早收敛的现象,本文引入原对偶映射移民策略（Primal-Dual based Immigrants, PDI）来保持种群多样性,增强其对动态环境的适应能力。在局域搜索（Local Search, LS）策略中,每一种LS方法可能针对某些问题特别有效而对于另外一些问题效果却并不明显,为了改善局域搜索策略,本文提出一种自适应的LS方法,使不同的LS方法可以通过互相协作来改善解的质量。通过仿真实验验证了本文提出的算法对求解动态优化问题非常的有效并且优越于其他算法。本文遵循综述—算法研究—算法应用的思路,针对求解动态优化问题的Memetic算法进行了研究。具体研究内容如下：（1）对遗传算法,Memetic算法以及动态环境下算法的相关研究进行了综述。（2）设计求解动态优化问题的Memetic算法,包括局域搜索的设计以及保持种群多样性策略的设计。（3）构建动态TSP问题,并测试算法的性能。（4）构建动态单机调度问题,并用本文提出的算法进行求解,证明算法的可行性。

关键词：动态环境动态优化问题 Memetic算法局域搜索移民策略

高代价动态优化问题的代理辅助粒子群优化算法及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高代价动态优化问题的代理辅助粒子群优化算法及应用

作者：胡江涛中国矿业大学

学位级别：硕士

在实际生产生活中存在许多复杂优化问题可以归为高代价动态优化问题,如流数据聚类问题。由于该类问题不仅具有随时间变化的目标函数,而且目标函数值的计算代价相对较高,因而传统进化优化方法难以进行高效求解。本文针对高代价动态优化... 详细信息

在实际生产生活中存在许多复杂优化问题可以归为高代价动态优化问题,如流数据聚类问题。由于该类问题不仅具有随时间变化的目标函数,而且目标函数值的计算代价相对较高,因而传统进化优化方法难以进行高效求解。本文针对高代价动态优化问题这类复杂优化问题,研究了它的粒子群优化理论和方法,并将所提理论应用于流数据聚类问题。（1）针对一般高代价动态优化问题,提出一种代理模型辅助的动态粒子群优化算法。为加快种群对环境变化的响应速度,给出一种基于多方向预测的种群初始化方法,用来产生多样性好且目标值优秀的初始种群;为降低代理模型的构建代价且保持其预测精度,设计一种融合目标值预测机制的代理模型更新策略;同时,引入一种加点训练方式来更新代理模型,以进一步降低代理模型的更新代价。最后,通过处理多个典型的高计算代价动态优化测试问题,并与已有算法进行对比,实验结果表明,所提算法可以较快地跟踪随环境变化的问题最优解。（2）针对流数据聚类这一典型实际问题,扩展所提代理模型辅助动态粒子群优化理论,提出一种网格代理辅助的动态粒子群优化聚类算法。该算法分为在线和离线两部分,在线部分以网格为基本单位对数据进行粗聚类,而离线部分则使用动态粒子群优化方法进一步优化粗聚类结果。为减少聚类过程的执行代价,使用一组规模较小的网格来代理规模不断增大的数据点,参与后续的聚类和优化;为及时响应类中心位置和规模的动态变化,给出一种变长度的粒子位置更新方法,以及一种基于类中心预测的粒子群初始化策略。最后,将所提算法用于多个典型数据集,实验表明,该算法能够在相对较短的响应时间内得到一组性能较优的聚类结果。该论文有图11幅,表13个,参考文献76篇。

关键词：粒子群优化动态优化问题高计算代价代理模型流数据聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粒子群算法的未知峰数动态优化问题研究

基于粒子群算法的未知峰数动态优化问题研究

作者：梁运涛华中科技大学

学位级别：硕士

现实世界中很多问题都可以建模为目标函数、约束条件或输入变量随时间变化的动态优化问题,传统的应用于静态环境中的粒子群算法不再适用,而诸如记忆集策略、预测策略与资源调度策略等改进策略多集中于峰数固定的情况,无法解决峰数未知... 详细信息

现实世界中很多问题都可以建模为目标函数、约束条件或输入变量随时间变化的动态优化问题,传统的应用于静态环境中的粒子群算法不再适用,而诸如记忆集策略、预测策略与资源调度策略等改进策略多集中于峰数固定的情况,无法解决峰数未知的动态优化问题。鉴于此,本论文针对未知峰数动态优化问题的求解,对现有的策略进行了改进研究。论文首先对现有的双记忆集策略进行改进。对于长期记忆集中的个体,其更新策略为选取所有优秀个体加入种群,而非随机选取若干个体;对于短期记忆集中的个体,基于个体资源竞争策略,根据个体适应度及上次搜索时适应度的提升来决定下一个被局部搜索的个体。仿真结果表明,该改进策略有效减小了局部搜索误差,且在全局搜索能力上也有一定的优势。论文进而对神经网络预测策略进行改进。通过预测环境变化的剧烈程度,对训练集进行筛选,避免了异常数据的引入;通过对相邻两个环境中未配对的解进行标记,识别出刚消失与刚出现的峰,使算法适用于种群数量变化的情况。仿真结果表明,筛选完训练集后,训练误差及预测误差均有一定程度的下降,且在峰数未知的动态优化问题中,种群收敛速度也得到了提高。论文最后提出了一种基于随机估计器的资源调度策略,该策略根据估计值的大小和环境的响应来更新各种群被选择的概率,并在种群数量发生变化时更新各个种群的概率,避免估计器收敛到较差的种群。仿真结果表明,该改进策略在峰数未知的动态优化问题中能够帮助种群更快地收敛。

关键词：动态优化问题未知峰数粒子群算法调度策略历史信息