

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、雙層規(guī)劃是一種系統(tǒng)優(yōu)化問題,它具有二層遞階結(jié)構(gòu),在資源分配、價(jià)格制定、供應(yīng)鏈管理、環(huán)境保護(hù)等領(lǐng)域中被廣泛應(yīng)用,是運(yùn)籌學(xué)的重要分支。但是,對(duì)于傳統(tǒng)的優(yōu)化方法,只有在雙層規(guī)劃的結(jié)構(gòu)滿足一定的要求時(shí),才有較高的求解效率,否則雙層規(guī)劃問題的求解會(huì)異常困難。尤其在非線性、非光滑的根據(jù)實(shí)際問題設(shè)計(jì)的雙層規(guī)劃模型中,傳統(tǒng)優(yōu)化方法已經(jīng)很難求得全局優(yōu)解。
群體智能優(yōu)化算法的全局搜索能力較強(qiáng),且對(duì)優(yōu)化目標(biāo)函數(shù)的模型沒有特殊的要求,其已成為求解雙層
2、規(guī)劃問題的有效算法,如遺傳算法、模擬退火算法、粒子群優(yōu)化算法等。
本文通過總結(jié)相關(guān)文獻(xiàn)的研究成果,提出使用基于擾動(dòng)的自適應(yīng)粒子群優(yōu)化算法來求解雙層規(guī)劃模型。本文首先從三個(gè)方面對(duì)基本粒子群優(yōu)化算法提出了改進(jìn)策略,進(jìn)而將優(yōu)化后的粒子群算法用于雙層規(guī)劃模型的求解,最后通過實(shí)驗(yàn)對(duì)比其他相關(guān)文獻(xiàn)中提出的算法,驗(yàn)證本文提出算法的有效性。本文的主要研究?jī)?nèi)容有以下兩點(diǎn):
(1)提出了一種基于擾動(dòng)的自適應(yīng)粒子群優(yōu)化算法,該算法的主要改
3、進(jìn)策略有以下三點(diǎn):1)將擾動(dòng)因子加入速度更新公式,使種群搜索范圍擴(kuò)大;2)采用自適應(yīng)的呈指數(shù)形式遞減的慣性權(quán)重,以起到平衡全局和局部尋優(yōu)能力的作用;3)對(duì)最優(yōu)粒子進(jìn)行自適應(yīng)的柯西變異,拓展最優(yōu)粒子的搜索空間,降低粒子陷入局部最優(yōu)的可能性,避免過早收斂。該算法增強(qiáng)了全局搜索能力,具有更高的優(yōu)化性能,使粒子群的收斂精度和速度得到明顯提高。
(2)提出使用基于擾動(dòng)的自適應(yīng)粒子群優(yōu)化算法來求解雙層規(guī)劃模型。通過兩個(gè)基于擾動(dòng)的自適應(yīng)粒子
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(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)頁內(nèi)容里面會(huì)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(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
- 基于改進(jìn)粒子群的雙層規(guī)劃求解算法研究.pdf
- 改進(jìn)粒子群算法求解基于均值-CVaR模型的投資組合.pdf
- 基于改進(jìn)粒子群算法的模型降階.pdf
- 基于改進(jìn)粒子群算法的電網(wǎng)擴(kuò)建規(guī)劃.pdf
- 基于改進(jìn)粒子群算法的采伐規(guī)劃應(yīng)用研究.pdf
- 基于改進(jìn)粒子群算法的配電網(wǎng)規(guī)劃研究.pdf
- 改進(jìn)粒子群優(yōu)化算法求解車輛路徑問題的研究.pdf
- 基于改進(jìn)粒子群算法的輸電網(wǎng)擴(kuò)展規(guī)劃研究.pdf
- 基于云模型的改進(jìn)粒子群算法研究與應(yīng)用.pdf
- 基于改進(jìn)粒子群算法的交通控制算法研究.pdf
- 基于改進(jìn)粒子群算法的無人機(jī)航跡規(guī)劃.pdf
- 基于改進(jìn)粒子群優(yōu)化算法的水下潛器路徑規(guī)劃研究.pdf
- 基于改進(jìn)粒子群算法的電力負(fù)荷模型參數(shù)辨識(shí)研究.pdf
- 基于改進(jìn)粒子群算法的Ad Hoc網(wǎng)絡(luò)移動(dòng)模型研究.pdf
- 粒子群算法改進(jìn)方法研究.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 基于改進(jìn)粒子群優(yōu)化算法的聚類算法研究.pdf
- 改進(jìn)粒子群優(yōu)化算法的研究.pdf
- 關(guān)于粒子群算法改進(jìn)的研究.pdf
- 粒子群算法的研究及改進(jìn).pdf
評(píng)論
0/150
提交評(píng)論