元啟發(fā)式優(yōu)化算法理論與應(yīng)用研究.pdf

1、本文對(duì)元啟發(fā)式優(yōu)化算法理論與應(yīng)用進(jìn)行了研究。主要內(nèi)容如下： 第一章介紹了論文的研究背景，對(duì)群體智能優(yōu)化和微正則優(yōu)化的研究現(xiàn)狀做了簡(jiǎn)要綜述，并概括了本文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)。 第二章闡述了元啟發(fā)式算法的相關(guān)概念，并將典型的元啟發(fā)式算法的優(yōu)化模式劃分為兩類，第一類是基于單一解形式，第二類是基于種群策略，后者又根據(jù)個(gè)體間的交互程度細(xì)分為強(qiáng)交互類型和弱交互類型。 第三章是對(duì)蟻群優(yōu)化的綜述，重點(diǎn)介紹了蟻群優(yōu)化的算法背景、基本

2、算法和著名的改進(jìn)形式，并對(duì)處理連續(xù)性問題、收斂性理論分析及其應(yīng)用做了簡(jiǎn)要總結(jié)。 第四章是對(duì)粒子群優(yōu)化的綜述，以算法背景、基本算法及改進(jìn)參數(shù)、著名的改進(jìn)形式和處理離散問題的研究為主，最后也簡(jiǎn)述了粒子群優(yōu)化已知的實(shí)際應(yīng)用。 第五章介紹了微正則退火的基本原理，通過對(duì)經(jīng)典TSP實(shí)例的仿真，發(fā)現(xiàn)微正則退火的能量下降速度明顯快于模擬退火。 第六章介紹了增強(qiáng)型參考位置的粒子群優(yōu)化算法，這種改進(jìn)策略在速度迭代公式中同時(shí)考慮鄰居中

3、最佳粒子以及種群中最佳粒子的吸引作用，相當(dāng)于基本算法Gbest與Lbest的融合形式。 第七章將基于共享適應(yīng)值的小生境技術(shù)應(yīng)用到粒子群優(yōu)化中，小生境技術(shù)的特征是仿照生態(tài)系統(tǒng)，限制相似個(gè)體過分聚集。 第八章介紹了粒子群優(yōu)化的一種兩階段實(shí)施策略，該策略本質(zhì)上是先對(duì)種群進(jìn)行分群操作，然后對(duì)由“群首”構(gòu)成的臨時(shí)群執(zhí)行再迭代，而具體的粒子狀態(tài)更新機(jī)制可靈活選擇。 第九章對(duì)全文的研究?jī)?nèi)容做了簡(jiǎn)要的回顧，并指出了研究?jī)?nèi)容的不足