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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、優(yōu)化問題大量存在于科學(xué)研究和工程應(yīng)用中的各個(gè)領(lǐng)域,因而開展最優(yōu)化方法的研究具有重要的理論意義和實(shí)用價(jià)值。傳統(tǒng)的確定性優(yōu)化方法存在諸多的局限性,難以解決當(dāng)今社會日益增多的復(fù)雜問題,而以生物智能或自然現(xiàn)象為基礎(chǔ)的智能算法具有簡單通用、魯棒性好、適于并行處理等特點(diǎn),因此成為解決復(fù)雜優(yōu)化問題的有力工具。 生物免疫系統(tǒng)是一個(gè)復(fù)雜的、高度并行的、分布式的、自適應(yīng)信息處理系統(tǒng),它能夠識別和排除侵入機(jī)體的抗原性異物,并且具有學(xué)習(xí)、記憶和自適應(yīng)調(diào)
2、節(jié)能力。由于基于免疫的算法能有效地克服其他智能算法的早熟現(xiàn)象、種群多樣性不足等問題,因此借鑒和利用免疫機(jī)制,開發(fā)新的智能工具和建立混合智能算法已成為人工智能領(lǐng)域研究的一個(gè)熱點(diǎn)。 本文基于免疫系統(tǒng)的機(jī)理,結(jié)合其他智能方法進(jìn)行算法的改進(jìn)研究,并建立多智能方法相互融合的混合優(yōu)化技術(shù)為復(fù)雜的工程問題提供新的實(shí)用技術(shù)。論文的主要研究成果如下: 1.基本遺傳算法在進(jìn)化后期收斂速度較慢、容易早熟收斂。為了解決這些問題,借鑒免疫機(jī)理,提
3、出一種基于免疫學(xué)習(xí)機(jī)制的遺傳算法。算法不僅保持了優(yōu)良抗體在進(jìn)化中的主導(dǎo)地位,而且充分發(fā)掘強(qiáng)成長性抗體的尋優(yōu)潛力,在優(yōu)良記憶庫的作用下,算法對全局最優(yōu)的搜索快速且有效。仿真結(jié)果表明該算法有較強(qiáng)的全局收斂能力和較快的收斂速度。利用該算法優(yōu)化徑向基網(wǎng)絡(luò)整定的PID控制器,實(shí)現(xiàn)了三自由度飛行器模型系統(tǒng)的穩(wěn)定控制,實(shí)驗(yàn)表明了這種方法的控制品質(zhì)優(yōu)于線性二次型調(diào)節(jié)器控制,具有較好的適應(yīng)能力、魯棒性和較快的響應(yīng)速度。 2.應(yīng)用小生境技術(shù),并借鑒
4、免疫機(jī)理構(gòu)造特異性免疫策略,提出一種基于特異性免疫策略的遺傳算法。函數(shù)仿真結(jié)果表明,該方法能有效地改善種群多樣性,提高算法的全局收斂能力,且算法收斂成功的概率和平均收斂代數(shù)明顯要好于同類免疫算法。以二級倒立擺為被控對象,將該算法應(yīng)用于Takagi-Sugeno模糊神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)化,實(shí)物控制結(jié)果表明該方法具有良好的動穩(wěn)態(tài)性能、抗干擾能力。 3.針對進(jìn)化規(guī)劃的早熟收斂問題,本文借鑒免疫系統(tǒng)的應(yīng)答機(jī)制,提出了一種基于雙變異算子的免
5、疫規(guī)劃算法。該算法的核心在于采用全局柯西和局部高斯變異算子,通過保持種群的多樣性同時(shí)執(zhí)行記憶、弱小保護(hù)策略,保證了算法有效性。理論分析與仿真實(shí)驗(yàn)表明,基于雙變異算子的免疫規(guī)劃算法的收斂速度,以及解的精度明顯優(yōu)越于傳統(tǒng)的進(jìn)化規(guī)劃。 4.針對多峰優(yōu)化問題,提出一種基于雙變異算子的免疫網(wǎng)絡(luò)算法。該算法借鑒免疫系統(tǒng)的克隆選擇和免疫網(wǎng)絡(luò)理論,采用雙變異算子以提高算法的全局和局部搜索能力;利用動態(tài)網(wǎng)絡(luò)抑制策略保持種群的多樣性,自適應(yīng)地調(diào)節(jié)抗
6、體群的規(guī)模。仿真結(jié)果表明該算法能有效地改善種群的多樣性,較好地實(shí)現(xiàn)全局優(yōu)化和局部優(yōu)化的有機(jī)結(jié)合,具有更強(qiáng)的多峰函數(shù)優(yōu)化能力。 5.針對粒子群算法易早熟、維持多樣性差等缺點(diǎn),借鑒粒子群優(yōu)化的特性和免疫網(wǎng)絡(luò)理論,提出一種免疫粒子群網(wǎng)絡(luò)算法。該算法利用粒子群的信息共享和記憶功能,通過加強(qiáng)粒子對自身經(jīng)歷的認(rèn)知,提高算法的局部搜索能力;采用動態(tài)網(wǎng)絡(luò)抑制策略,保持種群的多樣性,自適應(yīng)地調(diào)節(jié)粒子群的規(guī)模。仿真結(jié)果表明,實(shí)現(xiàn)的混合算法不僅減少了收斂所需
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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
- 混合量子優(yōu)化算法理論及應(yīng)用研究.pdf
- 群智能優(yōu)化算法理論及在資源調(diào)度中的應(yīng)用研究.pdf
- 混沌粒子群優(yōu)化算法理論及應(yīng)用研究.pdf
- 人工免疫系統(tǒng)中智能優(yōu)化及免疫網(wǎng)絡(luò)算法理論與應(yīng)用研究.pdf
- 蟻群算法理論及其應(yīng)用研究.pdf
- 非線性約束最優(yōu)化若干算法理論及應(yīng)用研究.pdf
- 遞階遺傳算法理論及其應(yīng)用研究.pdf
- 智能多目標(biāo)優(yōu)化理論及工程應(yīng)用研究.pdf
- 基于地理位置的貪婪周邊無狀態(tài)路由算法理論及應(yīng)用研究.pdf
- 企業(yè)價(jià)值評估的收益法理論及應(yīng)用研究.pdf
- 人工蜂群算法理論及其在通信中的應(yīng)用研究.pdf
- 元啟發(fā)式優(yōu)化算法理論與應(yīng)用研究.pdf
- 基于模糊粗糙理論及智能優(yōu)化算法的冶金備件采購優(yōu)化研究.pdf
- 混合免疫優(yōu)化理論與算法及其應(yīng)用研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的遺傳算法理論及應(yīng)用.pdf
- 人工蜂群算法理論及其在信息處理中的應(yīng)用研究.pdf
- 數(shù)字圖像相關(guān)法理論及應(yīng)用研究.pdf
- 基于免疫原理的優(yōu)化算法及應(yīng)用研究.pdf
- 免疫克隆智能優(yōu)化算法的研究與應(yīng)用.pdf
- 智能優(yōu)化算法應(yīng)用研究.pdf
評論
0/150
提交評論