群搜索算法與二次插值法的混合算法及其應用研究.pdf

1、聲明尸明本人鄭重聲明：所呈交的學位論文，是本人在指導教師的指導下，獨立進行研究所取得的成果。除文中已經注明引用的內容外，本論文不包含其他個人或集體已經發(fā)表或撰寫過的科研成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責任由本人承擔。作者簽名：匆乜／f殳日期：pf，歲1，關于學位論文使用權的說明本人完全了解太原科技大學有關保管、使用學位論文的規(guī)定，其中包括：①學校有權保管、并向有關部門送交學位論文的原件、

2、復印件與電子版；②學校可以采用影印、縮印或其它復制手段復制并保存學位論文；③學?？稍试S學位論文被查閱或借閱；④學?？梢詫W術交流為目的，復制贈送和交換學位論文；⑤學?？梢怨紝W位論文的全部或部分內容(保密學位論文在解密后遵守此規(guī)定)。作者簽名：切侈促日期：砂f6籮27導師簽名：期)咿加、』、≥2l■■，k■y中文摘要㈣洲㈣0㈣帆Y1789355群搜索算法是一種新興的群智能優(yōu)化算法，源于對群居動物如獅子、魚、鳥的覓食行為的模擬。該算法基于P

3、s模型，并在此基礎上引入了游蕩者策略和動物視覺搜索機制，實現(xiàn)簡單，且擁有良好的全局搜索能力。本文通過引入數值分析中的二次插值法和最速梯度下降法對標準群搜索算法進行改善，并將其應用到非線性方程組求解的問題中。發(fā)現(xiàn)者在群搜索算法中的作用就好似動物的眼睛，它決定了“食物”的位置以及加入者的移動方向，但是由于它在三個方向上的取點皆為隨機采樣，導致算法的局部收斂速度較慢。本文針對群搜索算法這一缺陷，提出了基于二次插值法的群搜索算法(QIGSO)。

4、借助二次插值的理論和方法，在每一次的迭代中利用預測的局部極值點來代替群搜索算法中的隨機點，提高其收斂速度。為了測試算法的性能，我們使用常用的7個測試函數進行仿真實驗，結果表明改進后算法的性能遠遠優(yōu)于標準群搜索算法。為了使改進后的算法能更好的適應于非線性方程組求解的問題當中，我們在上述算法的基礎上，做了進一步的改善。用最速梯度下降法對所得結果做再一次的優(yōu)化，由于最速梯度下降法是局部搜索算法，它與全局搜索能力很強的QIGSO算法進行混合，可