混合蛙跳群智能算法的改進及其應用研究.pdf

1、混合蛙跳算法(SFLA)是2003年由Eusuff和Lansey提出的一種基于群體智能的后啟發(fā)式計算技術，它通過模擬青蛙群尋食的行為來解決最優(yōu)化問題。由于概念簡單、參數(shù)少、計算速度快、全局尋優(yōu)能力強和易于實現(xiàn)等特點，現(xiàn)已被廣泛應用于函數(shù)尋優(yōu)、模糊系統(tǒng)控制、模式識別和神經(jīng)網(wǎng)絡等多個領域。
　　 然而作為一種比較新的群體智能算法，SFLA算法在系統(tǒng)化和規(guī)范化的理論基礎研究方面仍處于初級階段，同時如何將SFLA算法應用于更多的領域以及

2、研究中存在的問題也值得關注。本文從算法原理、算法改進和算法應用等方面對其進行了細致和系統(tǒng)的研究，本文的主要研究內(nèi)容如下：
　　 (1)對群體智能算法的一般框架進行了分析，介紹了SFLA算法、粒子群優(yōu)化算法(PSO)、人工魚群算法(AF)和遺傳算法(GA)的原理和流程，通過對SFLA、PSO和GA三種算法優(yōu)化性能的比較，分析了算法中各參數(shù)對收斂性能的影響，總結了SFLA算法的優(yōu)勢以及存在的問題。
　　 (2)針對SFLA算

3、法容易陷入局部最優(yōu)而導致收斂速度變慢、搜索能力變差的缺點，提出一種改進的SFLA算法。新算法利用人工魚群算法(AF)的追尾特性快速向某個極值方向游動，提高局部尋優(yōu)的速度；利用AF的群聚特性很好地跳出局部極值的吸引，并盡可能地搜索到其他的極值；利用混沌的遍歷性和內(nèi)在規(guī)律性代替具有隨機搜索特性的AF覓食行為，保證種群的多樣性和提高搜索的效率。對復雜多峰函數(shù)優(yōu)化的實驗結果表明，新算法有效地提高了種群的多樣性，兼顧了全局尋優(yōu)和局部尋優(yōu)，表現(xiàn)出了

4、令人滿意的優(yōu)化性能。
　　 (3)本文利用改進的SFLA算法訓練神經(jīng)網(wǎng)絡，并將訓練后的神經(jīng)網(wǎng)絡應用于函數(shù)逼近問題。實驗結果表明，改進SFLA算法設計的神經(jīng)網(wǎng)絡能顯著避免在局部區(qū)域搜索過程中的收斂停滯現(xiàn)象，訓練結果精度高，即使在測量噪聲或隨機擾動存在的情況下，仍然可以到達很好的效果。
　　 (4)由于改進的SFLA算法具有很強的全局搜索能力，本文利用該算法對PID控制器的參數(shù)進行整定，建立以設計參數(shù)的取值范圍為約束條件，以