版權(quán)說(shuō)明:本文檔由用戶(hù)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、生物體和自然生態(tài)系統(tǒng)可以通過(guò)自身的演化就使許多在人類(lèi)看來(lái)高度復(fù)雜的優(yōu)化問(wèn)題得到滿(mǎn)意的解決,受此啟發(fā),產(chǎn)生了以模仿自然與生物機(jī)理為特征的智能優(yōu)化方法,它們?yōu)橛脗鹘y(tǒng)的優(yōu)化方法難以解決的NP-困難問(wèn)題提供了有效的解決途徑。任務(wù)的合理分配與調(diào)度是并行分布式系統(tǒng)獲取高性能的關(guān)鍵因素之一,它們是NP-困難的問(wèn)題,基于智能優(yōu)化方法的任務(wù)分配與調(diào)度算法是解決這些問(wèn)題的有效算法。本論文主要研究三種典型的智能優(yōu)化算法,遺傳算法、蟻群優(yōu)化算法和粒子群優(yōu)化算法
2、,研究如何通過(guò)免疫原理提高它們的性能,并把它們應(yīng)用于解決異構(gòu)環(huán)境下的獨(dú)立任務(wù)分配問(wèn)題及同構(gòu)和異構(gòu)環(huán)境下的相關(guān)任務(wù)調(diào)度問(wèn)題。 提出了具有免疫特性的蟻群優(yōu)化算法,針對(duì)蟻群優(yōu)化算法易于陷入早熟收斂和局部求精能力不足的缺點(diǎn),從人工免疫系統(tǒng)的基本原理出發(fā),設(shè)計(jì)了三種免疫算子:免疫抑制算子、信息素平滑算子和接種疫苗算子;使用免疫抑制算子、信息素平滑算子來(lái)保持蟻群的多樣性,使算法在迭代的后期依然保持進(jìn)化能力,使用接種疫苗算子來(lái)提高算法的局部求
3、精能力,使蟻群優(yōu)化算法在局部開(kāi)采和全局探索間取得更好的平衡。通過(guò)典型旅行商問(wèn)題和任務(wù)分配與調(diào)度問(wèn)題,對(duì)算法進(jìn)行了仿真比較,結(jié)果表明免疫算子能有效地提高蟻群優(yōu)化算法的性能。 提出了離散粒子群優(yōu)化算法的基本設(shè)計(jì)原則,根據(jù)離散量運(yùn)算的特點(diǎn),對(duì)粒子的位置、速度等量及其運(yùn)算規(guī)則進(jìn)行了重新定義,為抑制早熟停滯現(xiàn)象,為粒子和粒子群分別定義了個(gè)體多樣性、微觀多樣性和宏觀多樣性,從人工免疫系統(tǒng)的基本原理出發(fā),提出用排斥算子和膨脹算子來(lái)增加或保持粒
4、子群的多樣性,用接種疫苗算子來(lái)加強(qiáng)算法的求精能力。通過(guò)典型旅行商問(wèn)題和任務(wù)分配與調(diào)度問(wèn)題,對(duì)算法進(jìn)行了仿真比較,結(jié)果表明離散粒子群優(yōu)化算法能夠很好地應(yīng)用到組合優(yōu)化問(wèn)題中。 針對(duì)異構(gòu)環(huán)境下獨(dú)立任務(wù)分配問(wèn)題,基于遺傳算法、蟻群優(yōu)化算法、離散粒子群優(yōu)化算法和免疫原理,分別就解空間的直接和間接編碼方式,提出了一些新的優(yōu)化算法。基于直接編碼方式的算法有免疫遺傳算法、免疫蟻群優(yōu)化算法和免疫離散粒子群優(yōu)化算法,它們直接以解空間為算法的搜索空間
5、;基于間接編碼方式的算法有免疫混合遺傳算法、分段免疫混合蟻群優(yōu)化算法和免疫混合離散粒子群優(yōu)化算法,它們是表啟發(fā)式分配算法和智能優(yōu)化算法的結(jié)合,以任務(wù)分配順序表為搜索空間,搜索最優(yōu)的任務(wù)分配順序,然后把搜索出的任務(wù)分配順序表用最小完成時(shí)間算法進(jìn)行解碼,得到相應(yīng)的一個(gè)分配方案。這些算法采用了免疫原理來(lái)提高算法的空間探索能力和局部求精能力;仿真結(jié)果表明,智能優(yōu)化算法能夠很好地應(yīng)用于求解任務(wù)分配問(wèn)題,基于免疫原理的優(yōu)化算子能夠有效地提高算法的搜
6、索效率、優(yōu)化搜索結(jié)果。 針對(duì)并行分布式系統(tǒng)中相關(guān)任務(wù)的調(diào)度問(wèn)題,基于遺傳算法、蟻群優(yōu)化算法、離散粒子群優(yōu)化算法和免疫原理,分別就解空間的直接和間接編碼方式,提出了一些新的優(yōu)化算法。直接編碼的混合遺傳算法直接用問(wèn)題可行解為染色體編碼,以解空間為算法的搜索空間,根據(jù)拉馬克進(jìn)化原理,設(shè)計(jì)了單點(diǎn)自學(xué)習(xí)交叉算子來(lái)提高算法的求精能力,采用了免疫變異算子來(lái)維持種群的多樣性;基于間接編碼方式的算法有間接編碼的混合遺傳算法、蟻群優(yōu)化算法和離散粒子
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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
- 基于自動(dòng)分治的智能優(yōu)化方法及其應(yīng)用研究.pdf
- 演化學(xué)習(xí)型智能優(yōu)化方法及其應(yīng)用研究
- 仿生智能優(yōu)化算法及其應(yīng)用研究.pdf
- 模擬生物群體智能的優(yōu)化方法及其應(yīng)用研究.pdf
- 群智能優(yōu)化方法及其在化學(xué)化工中的應(yīng)用研究.pdf
- 模糊雙層優(yōu)化方法及其應(yīng)用研究.pdf
- 可拓智能設(shè)計(jì)方法及其應(yīng)用研究.pdf
- 群智能混合優(yōu)化算法及其應(yīng)用研究.pdf
- 分類(lèi)問(wèn)題的智能優(yōu)化算法及其應(yīng)用研究.pdf
- 人工魚(yú)群混合智能優(yōu)化算法及其應(yīng)用研究.pdf
- 序列近似優(yōu)化方法及其應(yīng)用研究.pdf
- 群集智能方法的改進(jìn)及其應(yīng)用研究.pdf
- 智能電網(wǎng)綜合評(píng)價(jià)方法及其應(yīng)用研究.pdf
- 煉焦配煤智能優(yōu)化模型及其應(yīng)用研究.pdf
- 智能優(yōu)化算法及其在協(xié)商中的應(yīng)用研究.pdf
- 螢火蟲(chóng)群智能優(yōu)化算法及其應(yīng)用研究.pdf
- 智能優(yōu)化算法應(yīng)用研究.pdf
- 軟計(jì)算方法在智能優(yōu)化中的應(yīng)用研究.pdf
- 多學(xué)科設(shè)計(jì)優(yōu)化方法及其應(yīng)用研究.pdf
- 智能可裝配性設(shè)計(jì)方法及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論