• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献>>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批

复杂优化问题的生物地理学优化算法研究

摘要生物地理学优化(BBO)算法作为一种模拟自然界物种迁移的新型进化算法,具有原理简单、算法易实现、参数灵敏度低等特点。与其他进化算法相比,BBO算法在求解高维、复杂优化问题上具有独特的优势和开发潜力。基于此,本文主要对BBO算法展开研究,分析和讨论标准BBO及其现有变体的缺陷,在此基础上针对性提出改进策略,得到新的算法变体。在理论层面证明和讨论了改进BBO算法的全局收敛性和计算复杂度;在性能层面通过系统性的实验验证算法的有效性和先进性;在应用层面将其应用于现实世界的复杂工程优化问题。本文共设计两种BBO变体,进行27组对比实验,包含42种对比算法,涉及5个测试集,涵盖166个问题。主要工作总结如下:<br>  1.针对高维全局优化问题,提出了一种基于正弦余弦算法(SCA)和动态混合变异的对偶BBO算法,命名为SCBBO。首先,创新性地采用拉丁超立方抽样方法提高初始种群的遍历性。其次,在SCA位置更新公式中引入非线性变换参数和惯性权重调整因子,使SCBBO适宜于高维优化环境。再次,将拉普拉斯变异和高斯变异相结合,设计了一种动态混合变异算子,帮助算法摆脱局部最优,实现了勘探与开发的平衡。最后,集成对偶学习策略,通过生成对偶个体进一步提高了收敛精度。同时,建立了数列收敛模型,证明该算法能以概率1的形式收敛到全局最优解。与其他先进的进化算法相比,SCBBO算法有效地提高了大规模全局优化问题的收敛精度和收敛速度。为了进一步验证SCBBO的优越性,分别在1000维、2000维、5000维和10000维上进行了性能比较。对比结果表明,SCBBO在这些维度上的优化结果基本一致,可有效求解高维全局优化问题。<br>  2.针对复杂全局优化问题,提出了一种基于混合迁移算子和反馈差分进化机制的BBO变体,简称为HFBBO。首先,采用榜样学习法,确保劣解不会破坏优解。其次,为了平衡勘探与开发,提出了混合迁移算子。该算法可以在全局搜索和局部搜索之间自由切换。最后,设计了反馈差分进化机制来替代随机变异算子。通过这种机制,HFBBO可以智能地选择变异模式,避免陷入局部最优。同时,通过建立Markov模型证明了该算法的收敛性,并对其复杂度进行了讨论。在24个Benchmark函数、CEC2013测试套件、CEC2014测试套件和CEC2017测试套件上进行了多组对比实验。Wilcoxon秩和检验和Friedman检验结果表明,与其他优秀算法相比,HFBBO具有更优的竞争力和稳定性,可有效求解复杂全局优化问题。<br>  3.针对现实生活中的各种复杂约束优化问题,将一种改进的Oracle惩罚函数方法嵌入到两种改进的BBO算法中。此外,为了求解混合变量的约束优化问题,在两种BBO变体中引入了一种通用的离散变量处理方法,将离散变量统一转化为连续变量。基于上述处理,得到了求解复杂约束优化问题的SCBBO-CH和HFBBO-CH算法。将SCBBO-CH和HFBBO-CH算法应用于CEC2020现实优化问题测试套件的57个工程约束优化问题,并采用五种state-of-the-art算法进行对比分析。研究结果表明,SCBBO-CH和HFBBO-CH在近半数的问题上取得了理想的结果,在求解复杂约束优化问题方面具有明显的优势,算法性能优于其他先进算法。<br>  本文共有图25幅,表45张,参考文献173篇。希望本文浅显的工作可以为BBO算法的进一步研究提供一点思考。

更多
广告
导师 高岳林
学位信息:
北方民族大学 数学 计算数学(硕士) 2023年
分类号 Q15
发布时间 2023-09-01
  • 浏览0
  • 下载0

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

官方微信
万方医学小程序
new翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷