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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、復(fù)雜的優(yōu)化問題廣泛存在于科學(xué)研究和工程應(yīng)用領(lǐng)域中。仿生計(jì)算是一類有效的求解方法。膜計(jì)算是一種新的從生物細(xì)胞以及由細(xì)胞組成的組織和器官結(jié)構(gòu)與功能中抽象出來的并行分布式計(jì)算模型。針對復(fù)雜的非線性優(yōu)化問題,基于膜計(jì)算的基本思想和框架,受生物細(xì)胞結(jié)構(gòu)和功能的啟發(fā),并融合進(jìn)化計(jì)算和數(shù)學(xué)規(guī)劃方法的研究成果,本文研究了膜計(jì)算仿生優(yōu)化算法及應(yīng)用問題。算法中采用獨(dú)特的計(jì)算結(jié)構(gòu)、規(guī)則及計(jì)算策略。通過典型的測試函數(shù)和工程實(shí)例,對所提出的膜計(jì)算仿生優(yōu)化算法進(jìn)行
2、了算法性能研究和對比試驗(yàn)。本文的主要研究成果如下:
(1)針對無約束優(yōu)化問題,受真核細(xì)胞高爾基體形態(tài)和功能的啟發(fā),在膜計(jì)算的基本框架基礎(chǔ)上,提出了一種膜計(jì)算仿生優(yōu)化算法(bio-inspired algorithmbased on membrane computing--BIAMC)。該算法采用新的網(wǎng)狀膜結(jié)構(gòu),在形態(tài)上模仿了高爾基體。各并行基本膜中采用改寫規(guī)則、配對規(guī)則、交流規(guī)則、選擇規(guī)則來實(shí)現(xiàn)算法的全局范圍的隨機(jī)搜索;而
3、在擬高爾基體膜中則采用移位規(guī)則、提取規(guī)則、選擇規(guī)則和交流規(guī)則在當(dāng)前的最優(yōu)解附近合成新的最優(yōu)解,從而實(shí)現(xiàn)了算法在全局搜索和局部逼近兩個方面的搜索平衡。BIAMC的計(jì)算和搜索策略是模擬高爾基體的功能和運(yùn)用膜計(jì)算不確定性的計(jì)算策略,不采用進(jìn)化計(jì)算的保持解多樣性的均勻逼近最優(yōu)解的策略。以15個典型無約束測試函數(shù)構(gòu)建測試環(huán)境,進(jìn)行尋優(yōu)和算法參數(shù)的敏感性研究。計(jì)算結(jié)果以及與其它優(yōu)化算法的對比表明了所提出算法的有效性。
(2)提出了一種
4、改進(jìn)的膜計(jì)算仿生優(yōu)化算法,既能求解無約束優(yōu)化問題也可以求解有約束優(yōu)化問題。在BIAMC算法基礎(chǔ)上,改進(jìn)的BIAMC算法中不僅優(yōu)化了膜結(jié)構(gòu)及改寫規(guī)則和交流規(guī)則,并在擬高爾基體膜中增加了目標(biāo)導(dǎo)向規(guī)則,從而使算法在求解無約束問題時效率更高。將二次罰函數(shù)法引入算法中,使該算法適于求解有約束問題。以14個典型的無約束和有約束測試函數(shù)構(gòu)建測試環(huán)境,并通過求解汽油調(diào)合調(diào)度問題對所提算法的性能進(jìn)行研究。與其它算法尋優(yōu)的結(jié)果對比,表明所提出的算法可以有效
5、地找到或者逼近問題的最優(yōu)解。
(3)針對復(fù)雜有約束優(yōu)化問題,提出了三種混合膜計(jì)算優(yōu)化算法。這些算法都是將序貫二次規(guī)劃方法(SQP),作為一個規(guī)則植入膜結(jié)構(gòu)的一個膜中。對于一般單目標(biāo)有約束問題,一種混合膜計(jì)算優(yōu)化算法是采用串行融合機(jī)制,另一種則采用嵌入融合機(jī)制融合。針對機(jī)器人路徑規(guī)劃問題,一種具有動態(tài)膜結(jié)構(gòu)的混合優(yōu)化算法采用了動態(tài)膜結(jié)構(gòu)和串行融合機(jī)制。與其它混合優(yōu)化方法不同,分布式的算法結(jié)構(gòu)使得混合膜計(jì)算優(yōu)化算法在求解優(yōu)化問
6、題時更顯優(yōu)勢。典型測試函數(shù)和工程實(shí)例應(yīng)用的實(shí)驗(yàn)結(jié)果,驗(yàn)證了所提算法的有效性和可行性。
(4)提出了一種多目標(biāo)膜計(jì)算仿生優(yōu)化算法(multi-objective bio-inpsiredalgorithm based on membrane computing--MOBIAMC)。該方法采用了一個網(wǎng)狀的膜結(jié)構(gòu)和新的多目標(biāo)優(yōu)化策略,計(jì)算代價(jià)更小,計(jì)算效率更高。通過對典型測試函數(shù)的尋優(yōu)結(jié)果及對比,表明了該方法的有效性和優(yōu)越性,其
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(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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 仿生智能優(yōu)化算法及其應(yīng)用研究.pdf
- 膜計(jì)算應(yīng)用研究.pdf
- 仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究.pdf
- 群智能優(yōu)化算法及應(yīng)用研究.pdf
- 童裝仿生設(shè)計(jì)及應(yīng)用研究.pdf
- 受膜計(jì)算啟發(fā)的優(yōu)化算法研究.pdf
- 膜計(jì)算在數(shù)值優(yōu)化問題中的應(yīng)用研究.pdf
- 基于膜計(jì)算的車輛路徑優(yōu)化算法研究.pdf
- EGO全局優(yōu)化算法及應(yīng)用研究.pdf
- 改進(jìn)粒子群優(yōu)化算法及應(yīng)用研究.pdf
- 混沌粒子群優(yōu)化算法及應(yīng)用研究.pdf
- 仿生優(yōu)化算法在平版印刷專色配色及油墨預(yù)置中的應(yīng)用研究.pdf
- 基于集群計(jì)算的免疫優(yōu)化算法及其應(yīng)用研究.pdf
- 基于膜計(jì)算的人工魚群優(yōu)化算法研究.pdf
- 膜工藝與膜污染的優(yōu)化應(yīng)用研究.pdf
- 基于進(jìn)化算法的多目標(biāo)優(yōu)化算法及應(yīng)用研究.pdf
- 仿生優(yōu)化算法研究及其在電磁工程中的應(yīng)用.pdf
- 基于膜計(jì)算優(yōu)化算法的語義主題爬蟲研究.pdf
- 多目標(biāo)優(yōu)化進(jìn)化算法及應(yīng)用研究.pdf
- 稀疏自然計(jì)算的學(xué)習(xí)算法及應(yīng)用研究.pdf
評論
0/150
提交評論