菌群優(yōu)化算法的研究及應(yīng)用.pdf

1、菌群優(yōu)化算法是基于生物啟發(fā)式的群體智能優(yōu)化算法,作為進(jìn)化算法家族的新成員,由于其便于理解的自然機(jī)理和潛在的應(yīng)用前景得到了國內(nèi)外很多研究人員的關(guān)注。本文主要針對菌群優(yōu)化算法操作步驟的改進(jìn)及其算法的應(yīng)用進(jìn)行了研究,論文所做的主要工作如下:
　　 首先,針對標(biāo)準(zhǔn)菌群優(yōu)化算法容易陷入局部收斂和容易在局部最優(yōu)解附近陷入震蕩狀態(tài),同時在優(yōu)化過程中種群多樣性不足的情況,引入了自適應(yīng)趨向性步長來改善算法的搜索性能,引入混沌搜索機(jī)制來提高算法的種

2、群多樣性;然后運(yùn)用Benchmark函數(shù)對提出的新算法分別從優(yōu)化函數(shù)的維度(函數(shù)維度分別為2、5、10、15、20)和算法的迭代次數(shù)(迭代次數(shù)分別為100、150、200、250)兩個方面進(jìn)行檢驗,并且同標(biāo)準(zhǔn)的菌群優(yōu)化算法、基于慣性權(quán)重的粒子群算法和二進(jìn)制的遺傳算法進(jìn)行了比較。從優(yōu)化結(jié)果中可以看出,改進(jìn)算法的尋優(yōu)性能無論是從收斂精度還是收斂速度上都明顯優(yōu)于其他三種算法,其優(yōu)化結(jié)果也明顯接近最優(yōu)值,仿真結(jié)果表明本章提出的改進(jìn)菌群優(yōu)化算法是

3、可行和有效的。
　　 其次,針對多目標(biāo)優(yōu)化問題中優(yōu)化解集缺少優(yōu)劣評價標(biāo)準(zhǔn),同時加權(quán)求和法雖然可以把多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題,但是權(quán)重系數(shù)的確定卻沒有統(tǒng)一的標(biāo)準(zhǔn),因此提出一種交互式引入模糊偏好信息的多目標(biāo)菌群優(yōu)化算法,運(yùn)用自適應(yīng)趨向性操作和基于距離排序方法計算出非支配解集,并且通過與經(jīng)典多目標(biāo)優(yōu)化算法NSGA-Ⅱ和NSPSO所得到的優(yōu)化解集進(jìn)行性能比較,驗證了本章提出的新算法是可行和有效的。
　　 最后,研究了改

4、進(jìn)菌群優(yōu)化算法在工程領(lǐng)域中的應(yīng)用:首先,將基于模糊偏好的動態(tài)加權(quán)多目標(biāo)菌群優(yōu)化算法應(yīng)用于電力系統(tǒng)的經(jīng)濟(jì)調(diào)度中,綜合考慮了燃料消耗、污染物排放和網(wǎng)絡(luò)傳輸損耗,仿真結(jié)果表明運(yùn)用該算法得到的Pareto解集分布更加均勻,并且非占優(yōu)解中多樣性更好。其次,基于傳統(tǒng)的DV-Hop定位算法定位精度不高,誤差較大的問題,將未知節(jié)點到信標(biāo)節(jié)點的距離作為約束條件來改善其定位精度,同時提出了一種基于改進(jìn)菌群優(yōu)化算法的節(jié)點定位方法,其定位過程是將DV-Hop算