群集智能優(yōu)化算法的研究.pdf

1、基于群集智能的優(yōu)化算法是一種仿生自然界動物昆蟲覓食、筑巢行為的模擬進化算法.目前主要的群集智能優(yōu)化算法有:遺傳算法、蟻群算法、粒子群算法以及魚群算法.它們均是一種隨機搜索的迭代算法,對優(yōu)化對象的性態(tài)無要求.但由于各算法的搜索機制、特點和適用范圍存在著差異,實際應用時為選取適合問題的具有全面優(yōu)良性能的算法,往往依賴于足夠的經驗和大量的實驗結論;而且,由于目前該類算法研究成果分散,缺乏系統(tǒng)化的研究,繁多的類似算法不斷涌現.這種現象不利于開發(fā)

2、新型混合機制的優(yōu)化算法,不利于拓寬算法的應用領域,對優(yōu)化領域的發(fā)展也無任何積極意義.鑒于此,該文區(qū)別于以往的任何僅針對幾個具體優(yōu)化對象討論算法的性能特征的研究,將優(yōu)化對象界定為函數優(yōu)化問題,提出了波峰波谷算法對函數進行分類,將函數劃分為嚴格單調、單峰函數,宏觀單調、單峰函數以及多峰函數三類.并根據函數曲面的變化特征將單調和單峰函數細分為曲面變化平緩和非平緩兩類.通過分析討論各算法的操作算子和算法本身的性能特征,從維持算法搜索/利用(ER