基于三種典型優(yōu)化算法的群智能算法研究.pdf

1、群智能算法作為一種新興智能優(yōu)化算法，已引起越來越多研究者的關(guān)注。它模擬自然界群居性生物通過相互合作而表現(xiàn)出復(fù)雜智能行為的現(xiàn)象，具有分布式、自組織性、協(xié)作性、魯棒性、易于實現(xiàn)等特點，為典型的復(fù)雜組合優(yōu)化問題、人工智能等一些基礎(chǔ)理論問題提供了快速方便的優(yōu)化方法，同時也為人工神經(jīng)網(wǎng)絡(luò)、車輛調(diào)度、無線傳感網(wǎng)絡(luò)節(jié)點部署等應(yīng)用領(lǐng)域開辟了新途徑。然而群智能算法研究仍處于一個尚需不斷完善的階段，本文主要針對微粒群算法、混合蛙跳算法及細(xì)菌覓食優(yōu)化算法三種

2、典型的群智能算法進(jìn)行研究，給出了基于這三種算法的改進(jìn)優(yōu)化算法，具體工作如下：
　　針對微粒群算法和混合蛙跳算法存在早熟收斂問題，提出一種基于微粒群與混合蛙跳算法融合的群智能算法。新算法將整個群體分成數(shù)目相等的蛙群和微粒群群體。在兩群體獨立進(jìn)化過程中，設(shè)計了一種兩群之間的信息替換策略：比較蛙群與微粒群的最佳適應(yīng)值，如果蛙群進(jìn)化較好，利用蛙群各子群中最差個體替換微粒群一部分較好個體；否則，用微粒群中較好的一部分個體替換蛙群各子群的最好

3、個體。同時，設(shè)計了一種兩群之間的相互協(xié)作方式。為避免微粒群算法因早熟收斂而影響信息替換策略效果，適時對其所有個體最好位置進(jìn)行隨機(jī)擾動。仿真實驗表明，新算法可以有效提高全局搜索能力和收斂速度。
　　其次，提出一種基于細(xì)菌算法思想的改進(jìn)微粒群算法。算法以多樣性為指標(biāo)將整個搜索周期分為前期、中期和后期。三個搜索周期分別模仿細(xì)菌算法的趨向性操作、復(fù)制操作及遷移操作。在算法前期，利用標(biāo)準(zhǔn)微粒群算法進(jìn)行全局搜索；算法中期，利用新設(shè)計的速度公式

4、進(jìn)行迭代，以有效擴(kuò)大種群多樣性，然后進(jìn)化較好的一半微粒進(jìn)行自我復(fù)制，替換較差一半微粒的位置；在算法后期，多樣性非常低時，全局最差個體重新隨機(jī)生成。通過與其它算法進(jìn)行對比，算法具有良好的全局搜索性能。
　　最后，針對傳統(tǒng)無線傳感移動節(jié)點部署方法存在節(jié)點分布不均勻、覆蓋不完全等問題，從群智能算法角度提出一種基于混合蛙跳算法的移動節(jié)點部署方法。首先根據(jù)節(jié)點位置信息建立部署模型，然后利用混合蛙跳算法求解該模型，優(yōu)化過程中的解作為節(jié)點的最終