基于共生生物搜索的智能优化系统设计与实现.doc

  • 需要金币1000 个金币
  • 资料目录论文助手 > 高校设计 > 工业设计 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-07-21
  • 论文字数:10115
  • 课题出处:(小山神)提供原创资料
  • 资料包括:完整论文

支付并下载

摘要:本课题研究对象是共生生物搜索算法,共生生物搜索算法在2014年由Min-YuanCheng和Doddy Prayogo提出,是一种新的群智能优化算法,SOS算法一种简单并且强大的优化算法,通过仿生学对种群中的“互利共生”,“共栖”,“寄生”三个阶段来进行搜索最优个体,获得全局最优方案。本论文通过制定实验方案,通过数据分析证明共生生物搜索算法在解决工程优化问题比目前的启发式算法更有优势。

本文通过对共生生物搜索算法的原理进行理解学习,分析原理并画出算法的详细流程图。基于Python实现了算法并对算法的全局收敛性能进行了测试,通过对16个Benchmark基准函数的测试将共生生物搜索算法、遗传算法和差分算法中在算法维度D=5,D=10,D=20,D=30进行实验测试。把实验结果获得的每一个全局最优解进行统计并绘制出其算法的收敛曲线,通过实验的数据和算法的收敛曲线进行对比和分析。

通过对实验结果表明,SOS算法不管是在低维度还是高维度,都能很精确的找到全局最优解,说明SOS算法的精度很高,通过收敛曲线可以看出SOS算法的性能也优于GA算法和DE算法,GA算法和DE算法能解决的优化问题,SOS算法能够更精确的解决。在算法运行过程中发现,SOS算法也有缺陷,当我们在高纬度搜索全局最优解时,SOS算法的搜索最优解速度明显低于GA算法和DE算法。我们可以通过降低维度的方式来提高SOS算法的性能,在低维度的优化问题中和调度问题中能够更精确更快速的搜索全局最优解,获得最佳解决方案。

 

关键词:共生生物搜索算法;群智能优化;元启发式算法;仿生学

 

目录

摘要

Abstract

1 绪论-1

1.1课题的研究意义和目的-1

1.2课题的国内外研究现状-2

1.3课题主要研究内容及章节安排-3

2共生生物搜索算法概述-4

2.1 算法的基本思想和特色-4

2.2算法的基本原理及关键步骤-4

2.3 算法的整体流程图和实现流程-7

3生生物搜索算法性能测试与分析-10

3.1 实验环境叙述-10

3.2 实验方案-10

3.3测试结果及分析-12

结    论-22

参 考 文 献-23

附录A 算法程序主要代码-24

附录B 基准函数及其公式-27

致    谢-29


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费