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),請進行舉報或認領
文檔簡介
1、現(xiàn)代啟發(fā)式優(yōu)化算法為復雜優(yōu)化問題的解決提供了一條十分有效的新途徑,本文介紹了分散搜索(SS)和路徑再連接(PR)、貪婪隨機自適應搜索過程(GRASP)和粒子群優(yōu)化(PSO)三個算法,希望給國內(nèi)優(yōu)化研究者帶來一些新的選擇和視角.第三章將粒子群優(yōu)化算法應用在聚類分析中,并且提出了一種新的粒子群優(yōu)化和k-均值混合聚類方法,并加入了最大最小距離法的初始化.不僅克服了k-均值算法對初值敏感和易陷入局部最優(yōu)的缺點,而且提高了單獨使用PSO聚類的準確
2、率,加快了收斂速度,最后用實驗證明了該算法的有效性.本文在精英個體確定搜索空間的思想啟發(fā)下提出了一種新的基于聚類的空間劃分和空間收縮算法,用于求解大規(guī)模優(yōu)化模型.該算法將空間劃分和空間收縮同時完成后,得到多個收縮后的子空間,使得算法只在模型的峰或者谷附近搜索而避免在其他非優(yōu)解區(qū)域進行搜索,從而加速算法收斂.在第一次不完全演化結(jié)束后,將得到的精英解根據(jù)空間的位置及適應度值選擇聚類中心,進而完成聚類,然后由聚類后的精英解確定出已經(jīng)收縮了的多
3、個子空間,最后在這些子空間中,根據(jù)收縮標準來決定是繼續(xù)進行收縮還是進入完全演化.在不完全演化中加入了一種新的基于概率的多樣化的初始化過程,以保證初始群體均勻分布在優(yōu)化空間,并且完善了劣解加入機制和空間收縮停止準則.第五章作者將PSO和新的空間劃分和收縮算法應用到了一個生產(chǎn)調(diào)度問題實例.在將PSO應用到調(diào)度問題時,針對調(diào)度問題對0/1變量的特殊要求,設計了一種方法,在初始化和更新粒子位置時強制令其滿足連續(xù)為1或者0的要求,使得算法更容易求
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 果蠅優(yōu)化算法及其應用研究.pdf
- 頭腦風暴優(yōu)化算法及其應用研究.pdf
- 仿生智能優(yōu)化算法及其應用研究.pdf
- 人工魚群優(yōu)化算法及其應用研究.pdf
- 搜尋者優(yōu)化算法及其應用研究.pdf
- 混合群搜索優(yōu)化算法及其應用研究.pdf
- 混沌螞蟻群優(yōu)化算法及其應用研究.pdf
- 進化多目標優(yōu)化算法及其應用研究.pdf
- 粒子群優(yōu)化算法及其工程應用研究.pdf
- 優(yōu)化迭代學習控制算法及其應用研究.pdf
- PAES多目標優(yōu)化算法及其應用研究.pdf
- 改進粒子群優(yōu)化算法及其應用研究.pdf
- 人工免疫算法優(yōu)化及其應用研究.pdf
- 改進的云粒優(yōu)化算法及其應用研究.pdf
- 分類問題的智能優(yōu)化算法及其應用研究.pdf
- 協(xié)同進化數(shù)值優(yōu)化算法及其應用研究.pdf
- 粒子群優(yōu)化算法及其若干工程應用研究.pdf
- 群智能混合優(yōu)化算法及其應用研究.pdf
- 量子克隆算法的優(yōu)化及其應用研究.pdf
- 高維優(yōu)化進化算法及其應用研究.pdf
評論
0/150
提交評論