一种基于互学习的高维蜂群优化算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 相关研究进展 | 第10-13页 |
| 1.3 本文工作 | 第13页 |
| 1.4 本文结构 | 第13-15页 |
| 2 蜂群算法 | 第15-22页 |
| 2.1 蜂群算法模型及其蜂群 | 第15-17页 |
| 2.2 初始化食物源 | 第17页 |
| 2.3 引领蜂搜索食物源 | 第17-18页 |
| 2.4 跟随蜂选择食物源 | 第18-19页 |
| 2.5 跟随蜂搜索食物源 | 第19页 |
| 2.6 侦察蜂选择新的食物源 | 第19页 |
| 2.7 蜂群算法伪代码 | 第19页 |
| 2.8 蜂群算法流程图 | 第19-22页 |
| 3 蜂群算法的改进 | 第22-33页 |
| 3.1 蜂群算法的典型变种 | 第22-31页 |
| 3.1.1 Karaboga的改善 | 第22-24页 |
| 3.1.2 基于全局最优的改善 | 第24-25页 |
| 3.1.3 基于Boltzmann选择策略的改善 | 第25-26页 |
| 3.1.4 基于协同搜索的改善 | 第26-28页 |
| 3.1.5 Banharnsakun的改善 | 第28-30页 |
| 3.1.6 基于PSO改进策略的改善 | 第30-31页 |
| 3.2 基于互学习的改进 | 第31-33页 |
| 4 选择算法介绍 | 第33-36页 |
| 4.1 随机遍历抽样法 | 第33-34页 |
| 4.2 具有排名的转盘式选择法 | 第34页 |
| 4.3 锦标赛选择法 | 第34页 |
| 4.4 确定式采样选择法 | 第34-35页 |
| 4.5 无放回余数选择法 | 第35-36页 |
| 5 协同优化策略 | 第36-46页 |
| 5.1 可分割与不可分割函数 | 第36-37页 |
| 5.2 传统的协同优化策略 | 第37-38页 |
| 5.3 典型的协同优化策略改进 | 第38-43页 |
| 5.3.1 基于固定分组的改善 | 第38-40页 |
| 5.3.2 基于改变分组大小的改善 | 第40-41页 |
| 5.3.3 基于变量关系学习的改善 | 第41-43页 |
| 5.4 基于协同优化策略的高维蜂群算法 | 第43-46页 |
| 5.4.1 动态分组机制 | 第43-44页 |
| 5.4.2 基于互学习以及全局最优的改进 | 第44-46页 |
| 6 综合实验测试 | 第46-61页 |
| 6.1 对蜂群算法参数及其选择机制的全面测试 | 第46-52页 |
| 6.1.1 基准测试函数 | 第46-48页 |
| 6.1.2 维数对算法的影响 | 第48页 |
| 6.1.3 粒子数对算法的影响 | 第48-49页 |
| 6.1.4 侦察蜂对算法的影响 | 第49-50页 |
| 6.1.5 初始化位置对算法的影响 | 第50-51页 |
| 6.1.6 不同选择算子对算法的影响 | 第51-52页 |
| 6.1.7 实验小结 | 第52页 |
| 6.2 对基于互学习机制的蜂群算法的综合测试 | 第52-58页 |
| 6.2.1 与基本蜂群算法的比较 | 第52-57页 |
| 6.2.2 与改善的蜂群算法变种的比较 | 第57-58页 |
| 6.2.3 实验小结 | 第58页 |
| 6.3 对基于协同优化策略的高维蜂群算法的测试 | 第58-61页 |
| 6.3.1 实验设置 | 第58-59页 |
| 6.3.2 实验结果与分析 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
