求解复杂优化问题的仿生算法研究

一、解复杂优化问题的仿生算法的研究（论文文献综述）

马卫,朱娴^[1]（2022）在《基于莱维飞行扰动策略的麻雀搜索算法》文中认为为了解决麻雀搜索算法存在迭代后期搜索多样性不足、容易陷入局部最优等问题,提出了一种基于莱维飞行扰动策略的改进麻雀搜索算法。首先借鉴Sin混沌搜索机制,改进种群初始化策略。然后在麻雀种群觅食搜索过程中引入莱维飞行扰动机制,牵引种群移动适当的步长,增加空间搜索的多样性。最后对14个典型高维测试函数进行实验的结果表明:所提出的算法相比于传统的麻雀搜索算法和新提出的混沌麻雀搜索算法与改进麻雀搜索算法,在保持算法全局寻优能力的基础上大幅度提高了收敛速度和求解精度,能有效避免搜索过程陷入局部最优的情况,寻优率高,收敛能力强,可用于解决多峰及高维空间优化问题。

李锐,龙文高,原可欣^[2]（2021）在《基于精英策略改进的自适应布谷鸟搜索算法》文中指出传统的布谷鸟搜索算法,在二维优化问题中经常出现陷入局部最优、寻优解精度低以及计算解偏差大等问题。针对于此,本文提出了一种基于精英策略改进的自适应布谷鸟搜索算法。该算法仿生生物群体中的精英策略,将布谷鸟群体按照黄金分割,划分为普通布谷鸟与精英布谷鸟两类。普通布谷鸟基于Levy飞行寻找巢穴寄生,提高了寻优解的精度,加快了后期的收敛速度;而精英布谷鸟则会围绕群体中心位置进行定向侦查,为种群提供更优的巢穴,提高了算法的鲁棒性,避免算法过早成熟,加强了布谷鸟群的全局搜索能力。同时,布谷鸟被寄主鸟发现的概率基于迭代次数而自适应变化,保证了布谷鸟后期将不断收敛于全局最优解。通过仿真对比实验,表明本文提出的改进算法在二维全局寻优上具有较好的鲁棒性与准确性。

敖山,彭雄飞,刘志中^[3]（2021）在《多角色优化策略的灰狼-共生生物搜索算法》文中研究指明针对共生生物搜索算法存在的易陷入局部最优及搜索停滞等缺陷,提出一种基于多角色优化策略的混合灰狼-共生生物搜索算法（MRSSOS）.从算法内部结构、停止防止机制、混合智能优化算法三个方面对标准SOS算法进行改进,减少无效搜索的同时保持种群多样性,进一步平衡算法迭代过程中的探索能力与挖掘能力.实验测试结果表明,改进后的MRSSOS算法性能明显更好,选取的10个单峰函数中,9个都可在1000次迭代内收敛到理论最优解,9个多峰函数中,5个可达最优解,另外2个解优于对比算法,表明MRSSOS在收敛速度、求解精度、稳定性方面性能优势明显.

王槐彬,彭雪,夏小云,周诗源^[4]（2021）在《基于改进天牛须搜索的自导引机器人路径规划》文中研究表明针对天牛须搜索（BAS）在自导引机器人（AGV）路径规划中存在的陷入局部最优、收敛速度较慢等问题,提出基于改进天牛须搜索（IBAS）的AGV路径规划新方法。相比于BAS,IBAS中天牛的移动步长不再是固定的,而是随着迭代进程自适应的变化,从而实现了算法搜索能力的平衡,提升了算法的寻优性能。典型测试函数优化结果表明,IBAS的寻优精度、寻优速度和稳定性更优。在AGV路径规划的实际应用中,IBAS有效提高了路径规划效果。

肖辉辉,万常选^[5]（2021）在《基于多策略的改进花授粉算法》文中进行了进一步梳理花授粉算法是近年来提出的一种新型的、简单高效的优化算法,已在各个领域得到广泛应用,但其搜索策略存在的不足,制约着其应用范围.为此,提出一种改进的基于多策略的花授粉算法.首先,新全局搜索策略通过利用两组随机个体差异矢量和莱维飞行机制来增加种群多样性并扩大搜索范围,使算法更易跳出局部最优,提升其开采能力;其次,在局部搜索部分引入精英变异策略,并与随机个体变异机制组合成一种新的局部授粉策略,利用精英个体对其他个体的演化方向进行引导,提高算法的搜索速度;通过随机个体变异策略来保持种群的多样性,增强算法的持续优化能力;同时,通过一种线性递减概率规则调节这两种变异策略,使其取长补短,以提高算法的优化能力;最后,对进化中没有得到改善的解,利用余弦函数搜索因子策略产生一个新解加以替换,从而提高算法解的质量.通过5类经典测试函数的仿真实验和采用统计学上的分析,证明了该算法的稳定性和有效性;与现有经典的和知名的改进算法进行了对比,实验结果表明,所提出的改进算法是一种富有竞争力的新算法.同时,利用改进算法对军事领域中的无人作战飞行器航线规划问题进行求解,测试结果表明,改进算法在解决实际工程问题时,同样具有一定的优势.

吴冬梅,郝凤鸣,蒋国平^[6]（2021）在《基于多智能体混沌鸟群算法的机构优化》文中进行了进一步梳理平面四连杆机构是一种常见的传动机构,对机构参数进行优化设计是获得最佳动力性能的重要途径.为了解决这一机构参数优化问题,提出了一种多智能体混沌鸟群算法（multi-agent chaos bird swarm algorithm, MACBSA）.该算法将多智能体系统中智能体的行动策略和混沌搜索机制引入鸟群算法的进化过程.多智能体的竞争与合作机制可以提高个体学习与信息交互的能力,增强群体内部的多样性和信息反馈;而混沌搜索则能够帮助算法跳出局部最优.最后,该算法在4个标准函数中进行了测试,并应用到四连杆机构参数优化问题,实验结果表明与其他7种算法相比,该算法在精度、收敛速度和鲁棒性等方面具有明显的优越性,更适合解决此类机构优化问题.

张江江,崔志华^[7]（2021）在《高维多目标集成算法研究综述》文中研究表明高维多目标优化算法是求解高维多目标优化问题的有效途径,然而没有一种特定的算法适合于所有优化问题。对于不同类型的高维多目标优化问题,需要设计适合于该问题的算法。因此,首先分别从理论和仿生学角度,分析了研究高维多目标集成算法的必要性,旨在获得性能高效的高维多目标优化算法,使得算法能够应用于解决不同领域的优化问题。接着阐述合作—竞争策略,协同进化策略和集成池策略的相关原理,旨在通过结合现有不同操作算子的优势特性,使其相互协调、共同作用,从而达到"强强联合",获得较好的性能效果。并对现有一些集成算法的理论研究和应用研究内容分别进行了综述。最后,对操作算子个数大于等于3的高维多目标集成算法的研究趋势进行了探讨。

刘航,张晓明,汪长剑^[8]（2021）在《基于柯西分布和父种轮换机制的种子优化算法》文中研究指明针对目前种子优化算法存在的空间探索能力不足、后代个体分布多样性较弱的问题,文中提出基于柯西分布和父种轮换机制的种子优化算法.首先,构建基于柯西分布的种群分布模型,用于前期探索阶段,提升算法的全局搜索能力.然后,建立基于赌轮法的父种轮换机制,提高后代种群的多样性.最后,构建个体距离阈值、分布方差和后代比例的自适应调整机制,提高算法对复杂优化问题的动态寻优能力.实验表明,文中算法的平均适应度值和弗里德曼检测指标排名均较优.

段晓宁^[9]（2021）在《电力负荷气象多因素降维可视化分析及改进ELM预测方法研究》文中进行了进一步梳理

汪伟涛^[10]（2021）在《基于双层反向倾斜线圈和外部抑振系统的永磁同步直线电机推力波动抑制研究》文中提出

二、解复杂优化问题的仿生算法的研究（论文开题报告）

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、解复杂优化问题的仿生算法的研究（论文提纲范文）

（1）基于莱维飞行扰动策略的麻雀搜索算法（论文提纲范文）

1 麻雀搜索算法

2 基于莱维飞行扰动策略的麻雀搜索算法

2.1 莱维飞行搜索机制

2.2 莱维飞行扰动策略

2.3 改进的麻雀搜索策略

2.3.1 初始化混沌搜索机制

2.3.2 LSSA步骤

3 计算机数值仿真实验结果与分析

3.1 函数评测

3.2 参数设置

3.3 实验结果

3.3.1 本文算法对维数变化的影响

3.3.2 LSSA与SSA的比较

3.3.3 本文算法的鲁棒性分析

3.3.4 LSSA与改进SSA的性能比较

3.4 计算时间复杂度分析

4 结语

（2）基于精英策略改进的自适应布谷鸟搜索算法（论文提纲范文）

0 引言

1 传统的布谷鸟搜索算法(CS)

1.1 仿生学原理

1.2 参数定义

1.3 更新公式

2 基于精英策略改进的自适应布谷鸟搜索算法(ESCS)

2.1 自适应发现概率

2.2 精英策略

2.3 算法流程

3 仿真实验

3.1 仿真实验环境

3.2 实验参数初始化设定

3.3 测试函数

3.4 实验结果分析

3.5 补充对比实验

3.5.1 测试函数

3.5.2 参数设定

3.5.3 实验结果

3.5.4 实验结果分析

4 结束语

（3）多角色优化策略的灰狼-共生生物搜索算法（论文提纲范文）

1 引言

2 基本SOS算法的原理

2.1 互利共生操作

2.2 偏利共生操作

2.3 寄生操作

3 本研究提出的MRSSOS算法

3.1 改进思路

3.2 改进的灰狼优化算法狩猎算子

3.3 多角色优化策略

3.4 陷入搜索停滞后的扰动机制

3.5 算法执行流程

4 实验结果与分析

4.1 函数说明与性能指标

4.2 与同系列算法比较

4.3 与其他仿生优化算法比较

4.4 收敛速度比较

5 结论

（4）基于改进天牛须搜索的自导引机器人路径规划（论文提纲范文）

1 问题描述与建模

2 改进天牛须搜索

2.1 天牛须搜索

2.2 移动步长改进策略

2.3 算法性能测试

(1) 单峰值Sphere函数，如式(10)所示。

(2) 多峰值Griewank函数，如式(11)所示。

(3) 无限震荡Scahffer函数，如式(12)所示。

3 路径规划实例

4 结论

（6）基于多智能体混沌鸟群算法的机构优化（论文提纲范文）

0 引言

1 优化问题

2 鸟群算法

2.1 鸟群算法

2.2 算法改进方法分析

2.2.1 鸟群初始化

2.2.2 关键参数

2.2.3 位置更新策略

2.3 多智能体混沌鸟群算法

2.3.1 多智能体位置更新策略

2.3.2 混沌搜索策略

2.3.3 改进算法

2.4 改进算法收敛性分析

2.5 改进鸟群算法的性能验证

3 仿真实验及分析

4 结论

（7）高维多目标集成算法研究综述（论文提纲范文）

1 引言

2 集成策略设计

2.1 合作—竞争策略

2.2 协同进化策略

2.3 集成池策略

2.3.1 概率集成策略

(1)等概率集成

(2)动态概率集成

2.3.2 并发集成策略(无概率集成)

3 高维多目标集成算法研究

3.1 集成算法的理论研究

3.2 集成算法的应用研究

4 高维多目标集成算法发展趋势

5 结束语

（8）基于柯西分布和父种轮换机制的种子优化算法（论文提纲范文）

1 种子优化算法

2 基于柯西分布和父种轮换机制的种子优化算法

2.1 基于柯西分布的种群分布模型

2.2 父种轮换机制

2.3 算法步骤

3 实验及结果分析

3.1 实验设置

3.2 不同策略的有效性分析

3.3 与改进PSO的对比实验

3.4 与其它算法的对比实验