改進(jìn)生物地理學(xué)算法及其在非線性模型辨識(shí)中的應(yīng)用.pdf

1、智能優(yōu)化算法在近幾十年的研究中得以快速發(fā)展，其全局探索能力和局部挖掘能力一直是學(xué)者們致力追求的兩個(gè)關(guān)鍵問(wèn)題。在群體智能優(yōu)化算法中，生物地理學(xué)算法的收斂速度較快，這得益于算法對(duì)種群（即解）所定義的變換形式。這種變換形式加快了算法的收斂速度，但與此同時(shí)也弱化了算法的全局探索能力。針對(duì)這一點(diǎn)，本文對(duì)生物地理學(xué)算法進(jìn)行了改進(jìn)優(yōu)化。研究過(guò)程中同時(shí)發(fā)現(xiàn)，在工業(yè)領(lǐng)域中很少會(huì)應(yīng)用生物地理學(xué)算法進(jìn)行目標(biāo)尋優(yōu)，針對(duì)這一點(diǎn)，本文將生物地理學(xué)算法應(yīng)用于非線性系

2、統(tǒng)辨識(shí)領(lǐng)域，使用智能優(yōu)化算法計(jì)算匹配模型參數(shù)，得到了很好的效果。本文的創(chuàng)新點(diǎn)主要有以下幾點(diǎn):
　　1.本文針對(duì)生物地理學(xué)算法的全局搜索能力進(jìn)行改進(jìn)與優(yōu)化。算法的搜索能力不強(qiáng)是因?yàn)槠湓诘笃谌菀紫萑刖植孔顑?yōu)解，本文基于生物地理學(xué)算法提出了MBBO算法，對(duì)算法的突變操作進(jìn)行了補(bǔ)充定義，使MBBO算法隨迭代次數(shù)的增加可以逐漸增大其跳出局部最優(yōu)解的概率。利用仿真實(shí)驗(yàn)對(duì)MBBO算法進(jìn)行驗(yàn)證，結(jié)果表明改進(jìn)策略有較大的優(yōu)化效果。
　　2

3、.本文針對(duì)MBBO算法的局部挖掘能力進(jìn)行改進(jìn)與優(yōu)化。MBBO算法保持了生物地理學(xué)算法前期的尋優(yōu)速度，在算法后期強(qiáng)化了全局尋優(yōu)效果，這就導(dǎo)致了其收斂速度的小幅度增加。對(duì)此，本文加大了算法對(duì)已有解集信息的利用，提出自適應(yīng)BBO算法，使算法參數(shù)可以跟隨解集收斂狀態(tài)進(jìn)行自適應(yīng)的參數(shù)調(diào)整，以更好地指導(dǎo)解集的尋優(yōu)方向。
　　3.為加強(qiáng)智能優(yōu)化算法在工業(yè)領(lǐng)域的應(yīng)用，本文使用多種算法在非線性系統(tǒng)辨識(shí)上進(jìn)行仿真建模。本文選擇Hammerstein模