智能優(yōu)化方法論文幾種現(xiàn)代優(yōu)化算法的比較研究-資料下載頁
2025-06-06 03:10本頁面
【正文】 幾次優(yōu)化到理想最優(yōu)點(diǎn) (, )，但一般只能優(yōu)化到如表格中這樣的最優(yōu)值，粒子群算法每次都能達(dá)到大于 3905，但都沒有到達(dá) 以上，魚群算法能跳出 (, )局部最優(yōu)點(diǎn)優(yōu)化到理想最優(yōu)點(diǎn)(, )附近的概率是 50%。當(dāng)然這一切都是和算法及函數(shù)相關(guān)，這將在結(jié)論中闡述。 4. 三種算法的比較分析 三種算法的共同特點(diǎn)是魯棒性較強(qiáng)，對(duì)基本算法模型稍加修改，便可以應(yīng)用于其它問題；具有并行性，易于并行實(shí)現(xiàn)；很容易與多種啟發(fā)式算法結(jié)合，以改善算法的性能。并且從算法的步驟和過程來看，三個(gè)算法都是對(duì)初始值不要求，可以從各個(gè)點(diǎn)開始朝最佳值的方向搜索。當(dāng)然，不同的算法有不同的優(yōu)化方式和特點(diǎn)，三個(gè)算法對(duì)三種算法優(yōu)化以上三個(gè)典型函數(shù)的結(jié)果進(jìn)行分析可以得出 以下結(jié)論。 三種算法的優(yōu)化方式不同 三種算法雖然都是搜索和迭代的過程，但這個(gè)尋優(yōu)的過程是大不相同。 遺傳算法的交叉和變異可以保證種群多樣化，選擇保證了優(yōu)秀的個(gè)體進(jìn)入下一代種群。遺傳算法的選擇、交叉和變異的方法有很多種，尤其是選擇，通常所用的選擇方法是輪盤賭選擇法，但在很多情況下，單獨(dú)用這種方法容易掉進(jìn)局部最優(yōu)解，所以經(jīng)常有時(shí)候把兩種或兩種以上的選擇方法結(jié)合起來進(jìn)行選擇。當(dāng)然用不同的選擇方法則結(jié)果可能相差很大，對(duì)上面三個(gè)函數(shù)優(yōu)化時(shí)，優(yōu)化函數(shù) 1 時(shí)用最佳值保存選擇法，優(yōu)化函數(shù) 2和函數(shù) 3時(shí)用兩兩競爭選擇法。 — 9— 粒子群算法每個(gè)個(gè)體是既關(guān)注自身迭代過程中的最佳值，并且關(guān)注整個(gè)種群的最優(yōu)值，再結(jié)合自身當(dāng)前狀態(tài)，由這三個(gè)因素來控制其收斂方向。 魚群算法是每個(gè)個(gè)體環(huán)視周圍個(gè)體，并且朝周圍的最好個(gè)體進(jìn)行收斂，覓食行為再一定的程度保證樣本的多樣性，聚群行為是個(gè)體向周圍最佳個(gè)體收斂，使得優(yōu)化過程中能夠很好地跳出局部最優(yōu)值，并盡可能地搜索到其他的極值，最終搜索到全局極值。而追尾行為是個(gè)體向整體最佳個(gè)體收斂的過程，有助于人工魚個(gè)體快速的向某個(gè)極值方向前進(jìn)，加快尋優(yōu)的速度，并防止人工魚個(gè)體在局部振蕩而停滯不前，在這一點(diǎn)上和粒子群算法 很相近。 優(yōu)化結(jié)果不同 從對(duì)三個(gè)函數(shù)的優(yōu)化結(jié)果可以看出，遺傳算法的優(yōu)化結(jié)果最好，粒子群算法次之，魚群算法的優(yōu)化結(jié)果最差，這和三個(gè)算法優(yōu)化過程和自身特點(diǎn)有關(guān)，遺傳算法的選擇、交叉和變異都是并行進(jìn)行的，但粒子群算法和魚群算法是針對(duì)每一個(gè)個(gè)體，結(jié)合整體最佳點(diǎn)和周圍最佳點(diǎn)或自身情況。所以這也是遺傳算法能更好地收斂到最優(yōu)點(diǎn)的原因。 函數(shù)特點(diǎn)不同 從三個(gè)函數(shù)的特點(diǎn)來看，第一個(gè)函數(shù)主要考驗(yàn)算法跳出局部最優(yōu)點(diǎn)的能力。第二個(gè)。函數(shù)主要考驗(yàn)算法在搜索過程中所有個(gè)體的最佳值變化不是很明顯的時(shí)候，搜索到函數(shù)的最佳值 的能力。第三個(gè)函數(shù)的一個(gè)關(guān)鍵點(diǎn)是這個(gè)函數(shù)在搜索過程中很容易跳出可行域的范圍，這就考驗(yàn)算法逼近最優(yōu)點(diǎn)但又不跳出可行域范圍的能力。遺傳算法在搜索的最終結(jié)果只有在函數(shù) 3優(yōu)于粒子群算法，但其搜索速度卻比其他兩種算法快。 三個(gè)算法的改進(jìn) 三種算法都具有很大的改進(jìn)空間，遺傳算法可以在選擇方法、交叉方法及它們相應(yīng)的概率算子上做改進(jìn)。粒子群算法的權(quán)值和學(xué)習(xí)因子可以進(jìn)行適應(yīng)性改進(jìn)，同時(shí)粒子群算法可以借鑒魚群算法，再考慮一個(gè)周圍粒子的最佳值。魚群算法參數(shù) (視野、步長和擁擠度因子 )也可以進(jìn)行適應(yīng)性改進(jìn)，并且其三個(gè)過程即覓食、群聚和追尾過程都可以做相應(yīng)的改進(jìn)，比如引進(jìn)競爭機(jī)制和生存機(jī)制。當(dāng)然針對(duì)不同的尋優(yōu)對(duì)象所要進(jìn)行的改進(jìn)是不同，改進(jìn)后的效果也各異。 參考文獻(xiàn)： [1]周明 ,孫樹棟 .遺傳算法原理及應(yīng)用 [M].第一版 ,北京 :國防出版社 . [2]黃貫虹 ,方剛 .系統(tǒng)工程方法與應(yīng)用 [M].廣州 :暨南大學(xué)出版社 ,2021. [3]劉國強(qiáng) ,曾強(qiáng) .多目標(biāo)最優(yōu)化的粒子群算法 [J]. 杭州師范學(xué)院學(xué)報(bào) .2021.(3): 30~34. — 10— [4]李曉磊 ,薛云燦等 .基于人工魚群算法的參數(shù)估計(jì)方法 [J].山東大學(xué)學(xué)報(bào) .(3): 84~87. [5]金聰 .啟發(fā)式遺傳算法及其應(yīng)用 [J].數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用 .2021.(1):30~35. 任課教師的評(píng) 語 ，包括選題意義、文獻(xiàn)資料的掌握、所用資料和實(shí)驗(yàn)結(jié)果和計(jì)算數(shù)據(jù)的可靠性等； ； ；，參考文獻(xiàn)的引用是否規(guī)范。 成績 任課教師簽字 年 月 日
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1