幾個智能算法的研究.pdf

1、近年來,隨著計算機技術(shù)以及生物智能技術(shù)的快速發(fā)展,包括人工螢火蟲群優(yōu)化算法、遺傳算法、蟻群算法、模擬退火法、群搜索算法等生物智能算法被越來越多的人所重視.這些算法具有簡單易實現(xiàn)、魯棒性強、易于和其它算法融合等優(yōu)點,在解決復(fù)雜優(yōu)化問題方面表現(xiàn)出優(yōu)異的性能.在生產(chǎn)、生活中很多問題可歸結(jié)為目標(biāo)優(yōu)化問題,因此,智能算法研究是一個具有重要理論意義和實際應(yīng)用價值的課題.本論文的主要工作如下:
　　論文第二章主要介紹了 Matlab軟件的發(fā)展及

2、其應(yīng)用.利用 Matlab軟件具有較高的運算精度,及其在處理數(shù)值和符號計算等方面的獨特優(yōu)勢來處理經(jīng)濟上的數(shù)據(jù)挖掘問題.對滬深(HS300)股票在某段時間內(nèi)的交易數(shù)據(jù)進行分析,并得出交易總盈利、總交易次數(shù)、盈利次數(shù)、勝率等相關(guān)數(shù)據(jù)結(jié)果.結(jié)果顯示,利用 Matlab軟件進行數(shù)據(jù)分析具有編程簡單、處理速度快、結(jié)果準(zhǔn)確等優(yōu)點.
　　第三章主要討論了螢火蟲群優(yōu)化算法(GSO)和群搜索算法(GS).我們借鑒群搜索算法的研究,將“游蕩者”的方法

3、引入到螢火蟲群優(yōu)化算法中,提出一個改進的螢火蟲群優(yōu)化算法.該方法以人工螢火蟲群優(yōu)化算法為主,輔以群搜索算法中的“游蕩者”方法,使得改進后的螢火蟲群優(yōu)化算法可以盡量避免陷入局部極值.數(shù)值實驗表明,改進后的算法,在收斂速度、避免陷入局部極值方面,都有了很大的提高.
　　在第四章中,我們對遺傳算法在交通控制中的應(yīng)用進行研究.利用遺傳算法的群體搜索策略和群體個體之間的信息交換、搜索不依賴于梯度信息等特性,將遺傳算法應(yīng)用于八通、四車道且及行