連續(xù)禁忌搜索算法改進(jìn)及應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩78頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文對(duì)連續(xù)禁忌搜索算法作出改進(jìn),提出了兩種改進(jìn)的算法ITS和TS_SQP,并將改進(jìn)的算法應(yīng)用于系統(tǒng)辨識(shí)以及反饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練.本文主要的研究成果和創(chuàng)新點(diǎn)包括:1)對(duì)連續(xù)禁忌搜索算法進(jìn)行改進(jìn),提出了改進(jìn)的算法ITS.在ITS算法中,既考慮到多樣性搜索策略,將當(dāng)前點(diǎn)的鄰域空間用一組同心超矩形進(jìn)行劃分,在每個(gè)外圍同心超矩形中隨機(jī)選取一個(gè)點(diǎn)組成部分鄰域;又通過(guò)改進(jìn)引入了特赦規(guī)則,在中心超矩形內(nèi)也隨機(jī)選取一定數(shù)量的點(diǎn),與外圍同心超矩形內(nèi)選取的點(diǎn)共

2、同組成當(dāng)前點(diǎn)的鄰域.通過(guò)對(duì)一些典型測(cè)試函數(shù)的仿真結(jié)果表明改進(jìn)算法有助于更快、更精確的搜索到全局最優(yōu)點(diǎn).2)針對(duì)禁忌搜索算法局部搜索的隨機(jī)性,首次提出了一種與SQP算法結(jié)合的禁忌搜索算法,TS_SQP.利用禁忌搜索算法的全局收斂性,結(jié)合SQP局部搜索快速收斂的能力,改善傳統(tǒng)禁忌搜索算法的搜索能力,使禁忌搜索算法可以獲得精確的最優(yōu)點(diǎn).在TS_SQP算法中,首先產(chǎn)生當(dāng)前點(diǎn)的鄰域,然后以鄰域內(nèi)的每個(gè)點(diǎn)為初始點(diǎn)運(yùn)行SQP算法,所有收斂點(diǎn)構(gòu)成新的鄰

3、域,最后運(yùn)用TS規(guī)則更新當(dāng)前點(diǎn).仿真結(jié)果表明,與ITS比較,TS_SQP全局收斂的速度更快,獲得的最優(yōu)點(diǎn)更精確.3)將改進(jìn)禁忌搜索算法(ITS、TS_SQP)應(yīng)用于系統(tǒng)辨識(shí),以改善傳統(tǒng)的辨識(shí)辦法存在局部極小等缺點(diǎn),并實(shí)現(xiàn)了對(duì)包括滯后在內(nèi)的所有參數(shù)同時(shí)辨識(shí).通過(guò)對(duì)液位儲(chǔ)罐模型、離散、連續(xù)以及高階系統(tǒng)的仿真實(shí)驗(yàn)表明了算法的可行性及有效性.4)將改進(jìn)的禁忌搜索算法(ITS、TS_SQP)應(yīng)用于反饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練.其方法實(shí)質(zhì)是將神經(jīng)網(wǎng)絡(luò)的訓(xùn)練問(wèn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論