已閱讀1頁，還剩52頁未讀， 繼續(xù)免費閱讀
版權(quán)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(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、人工蜂算法(ABC)首先被提出用于求解無約束優(yōu)化問題，并顯示其極大的優(yōu)越性.本文主要研究利用人工蜂群算法求解約束優(yōu)化問題，提出兩種不同的求解約束優(yōu)化問題的算法.
本文提出的第一種算法是基于共演化的人工蜂群算法(CABC).利用增廣Lagrange罰函數(shù)，把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題，用基于共演化計算的思想對變量向量和Lagrange乘子向量交替優(yōu)化來求解此無約束優(yōu)化問題.為了檢驗CABC算法的性能，在4個基準函數(shù)上做了測
2、試，并與共演化的粒子群算法(CPSO)做了比較，實驗結(jié)果表明CABC算法比CPSO算法更穩(wěn)健.
本文提出的另一種算法是基于搜索可行解的改進人工蜂群算法(MABC).首先在一種基于搜索可行解的求解約束優(yōu)化問題的人工蜂群算法(ABC)基礎(chǔ)上，更換邊界處理機制，更新選擇概率公式，采用新的跟隨蜂和偵查蜂的搜索策略，充分利用當前最優(yōu)解和最差解的信息，提高算法搜索全局最優(yōu)解的能力.然后將MABC算法在13個基準函數(shù)上做測試，并與原算法作比
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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(quán)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。
最新文檔
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 基于動態(tài)罰函數(shù)和多目標的人工蜂群算法求解約束優(yōu)化問題的研究.pdf
- 求解離散優(yōu)化問題的人工蜂群算法研究.pdf
- 求解大規(guī)模優(yōu)化問題的自適應(yīng)人工蜂群算法研究.pdf
- 幾類優(yōu)化問題的人工蜂群算法.pdf
- 求解約束優(yōu)化問題的粒子群算法研究.pdf
- 求解約束優(yōu)化問題的遺傳算法研究.pdf
- 人工蜂群算法優(yōu)化感知機.pdf
- 改進的進化算法用于求解約束優(yōu)化問題.pdf
- 求解約束優(yōu)化問題的差分進化算法.pdf
- 求解約束優(yōu)化和多目標優(yōu)化問題的進化算法研究.pdf
- 基于人工蜂群算法的泵站運行優(yōu)化研究.pdf
- 求解約束優(yōu)化問題的雙種群差分進化算法研究.pdf
- 基于人工蜂群算法的拖輪調(diào)度優(yōu)化.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 人工蜂群算法的研究與改進.pdf
- 混合人工蜂群算法的改進研究.pdf
- 人工蜂群算法的研究與應(yīng)用.pdf
- 基于遺傳算法的求解約束優(yōu)化問題的啟發(fā)式算法研究.pdf
- 人工蜂群算法的研究及應(yīng)用.pdf
評論
0/150
提交評論