《连续域蚁群算法开题报告》由会员分享，可在线阅读，更多相关《连续域蚁群算法开题报告（9页珍藏版）》请在金锄头文库上搜索。
1、 研研究究生生论论文文 开开题题报报告告学学科科工学工学专专业业计算机科学与技术计算机科学与技术研研究究方方 向向人工智能与模式识别人工智能与模式识别学学号号研究生姓名研究生姓名学学位位级级 别别硕士硕士导导师师姓姓 名名填表日期 2016 年 12 月 12 日 1论文题目论文题目连续域蚁群算法的研究及应用连续域蚁群算法的研究及应用本人已查阅过哪些科研资料及调研情况：本人已查阅过哪些科研资料及调研情况：、主要参考资料及文献：、主要参考资料及文献：1 M. Dorigo, V. Maniezzo, and A. Colorni. Ant system: Optimization by a co
2、lony of cooperating agentsJ. IEEE Transactions on Systems, Man, and Cybernetics-part B:Cybernetics,1996 , 26(1):2941.2 M. Dorigo and L. Gambardella. Ant colony system: A cooperative learning approach to the travelling salesman problemJ. IEEE Trans. Evol. Comput.,1997,1(1): 5366.3 T. Sttzle and H. Ho
3、os. Max-min ant systemJ. Future Gener. Comput. Syst., 2000,16(9): 889914.4 B. Bullnheimer, G. Kotsis, and C. Strauss. A new rank-based version of the ant system: A computational studyJ. Central Eur. J. Oper. Res., 1999, 7(1): 2538.5 O. Cordon, I. F. de Viana, and F. Herrera. Analysis of the best-wor
4、st ant system and its variants on the TSPJ. Math. Soft Comput., 2002, 9(2/3): 177192.6 M. Dorigo and T. Sttzle. Ant Colony OptimizationM. Cambridge, MA: MIT Press, 2004.7 G. Bilchev, and I. C.Parmee. The ant colony metaphor for searching continuous design spacesC.LNCS,1995,933:25-39.8 N. Monmarch, G
5、. Venturini, , and M. Slimane. On how Pachycondyla apicalis ants suggest a new search algorithmJ. Future Generation Computer Systems,2000, 16:937946.9 J. Dro, P. Siarry. A new ant colony algorithm using the heterarchical concept aimed at optimization of multiminima continuous functionsJ. LNCS,2002,
6、2463: 216221.10 Guntsch, M., Middendorf, M. A population based approach for ACOJ.LNCS ,2002,2279: 7180.11 S.H. Pourtakdoust, H. Nobahari. An extension of ant colony system to continuous optimization problemsJ. LNCS,2004,3172:294301.12 Socha, K., & Dorigo, M. Ant colony optimization for continuous do
7、mainsJ. European Journal of Operational Research.2006, 185, 11551173.13 Hu, X. M., Zhang, J., & Li, Y.Orthogonal methods based ant colony search for solving continuous optimization problemsJ. Journal of Computer Science and Technology.2008, 23(1), 218.14 F. Franca, G.P. Coelho, F.J. Von Zuben, et al
8、. Multivariate ant colony optimization in continuous search spacesA. In Proceedings of the Genetic and Evolutionary Computation Conference C, Atlanta, USA, 2008 , 916.15 G. Leguizam_on and C. Coello. An alternative ACOR algorithm for continuous optimization problemsJ. LNCS,2010,6234:48 - 59.216 Xiao
9、 Jing，Li LiangPing.A hybrid ant colony optimization for continuous domainsJ.Expert Systems with Applications,38:11072-11077.17 Liao T, Montes d O M A, Aydin D, et al. An incremental ant colony algorithm with local search for continuous optimizationC/ Conference on Genetic and Evolutionary Computatio
10、n. ACM, 2011:182-183.18 Liao T, Sttzle T, Oca Mand, et al. A unified ant colony optimization algorithm for continuous optimizationJ. European Journal of Operational Research, 2014, 234(3):597-609.19 Kumar U, Soman S, Jayadeva. Benchmarking NLopt and state-of-the-art algorithms for continuous global
11、optimization via IACOR IACOR mathContainer Loading MathjaxJ. Swarm & Evolutionary Computation, 2015, 27:116-131.20 高尚，钟娟，莫述军.连续优化问题的蚁群算法研究明.微机发展，2003,13(1): 21-22.21 段海滨,王道波,朱家强.蚁群算法理论及应用研究的进展J.控制与决策 ,2004,12.22 熊伟清，魏平.二进制蚁群进化算法J.自动化学报，2007,33(3): 259-264.23 段海滨，马冠军，王道波等.一种求解连续空间优化问题的改进蚁群算法J.系统仿真学报，
12、2007,19(5): .24 李盼池.李士勇.LI Pan-chi.LI Shi-yong 求解连续空间优化问题的量子蚁群算法J.控制理论与应用,2008,25(2).25 马卫，朱庆保.求解函数优化问题的快速连续蚁群算法J.电子学报，2008,36(11):26 周新建，杨卫东，李掌.求解连续函数优化问题的改进蚁群算法及仿真J.系统仿真学报，2009,21(6) :.27 刘正龙,杨艳梅.基于交叉变异操作的连续域蚁群算法研究J.重庆师范大学学报（自然科学版）,2009,2.28 黄永青,郝国生,钟志水.基于网格划分策略的连续域改进蚁群算法J.计算机工程与应用,2013,49(9):61:6
13、4.、调研情况：、调研情况： 蚁群算法作为一种群智能优化算法，不依赖于待求解问题及其约束条件的可导性，能以较大概率收敛到全局最优解，具有很好的鲁棒性，是智能优化领域目前的研究热点。蚁群算法起源于离散型的网络路径问题，并用该方法求解旅行商问题、指派问题、调度问题等，取得了一系列较好的实验结果。然而，现实世界中有大量的连续性优化问题，将离散型蚁群算法扩展到连续域蚁群优化算法，并提高连续域蚁群算法的收敛速度和精度具有重大的应用价值和现实意义。3课题的意义及我国在这方面已进行的工作情况：课题的意义及我国在这方面已进行的工作情况：随着现代科学发展，复杂性、非线性、系统性的最优化问题越来越多。最优化问题是
14、指在给定的条件下，通过对现有方案和参数进行设计，使某个问题呈现出较为满意的答案。许多工程实践问题都可以转化为相对应的优化问题，因此优化问题充满工程领域的方方面面。传统的数值优化方法如共扼梯度法、牛顿法等，对能够建立明确数学模型的几种特定问题，如线性规划、目标规划、动态规划等获得了具体优化方法。但是，这些方法通常只能处理变量规模较小的优化问题，并且要求目标函数具有较多的数学性质如连续、可导等，而且处理非线性信息的能力较弱。因此，寻求更为广泛高效的适合于大规模并行且具有智能特征的优化方法已成为一个引人注目的研究方向。目前，除了常用的遗传算法、模拟退火算法等启发式搜索算法外，近年来兴起的群智能算法也
15、开始展现出了其优越性，提供了一些新的具有竞争力的求解复杂性优化问题的途径。蚁群算法就是其中一种典型的启发式仿生类搜索算法。蚁群算法是由意大利学者 Dorigo 首次提出的1，蚁群算法受自然界中真实蚁群集体行为的启发而提出的一种基于种群的模拟进化算法，属于带有构造性特征的随机搜索算法。该算法利用了蚁群从蚁穴到食源搜索最短路径的过程与著名的旅行商问题(TSP)之间的相似性，通过人工蚂蚁搜索食物的过程来求解 TSP 问题。并用该方法求解旅行商问题、指派问题、调度问题等，取得了一系列较好的实验结果。众多的研究己经证明蚁群算法具有很强的发现较好解的能力，这是因为该算法不仅利用了正反馈原理，在一定程度上可
16、以加快进化过程，而且是一种本质并行的算法，不同个体之间不断进行信息的交流和传递，从而能够相互协作，有利于发现较好解。蚁群优化自问世以来，获得了广泛的关注，大量的学者对蚁群算法进行了改进2-5。由于最初的蚁群算法起源于离散型的网络路径问题，每个蚂蚁决策仅限于离散的空间，因此蚁群算法在处理连续空间的优化问题还具有一定的局限性，必须对算法中许多实施细节加以修正。国内有大量的学者对连续域蚁群算法进行了研究。2003 年，高尚等20提出了一种基于网格划分模式的连续域蚁群算法，将搜索空间划分为网格似的小区域，蚂蚁在不同区域间大范围转移或在区间内小范围搜索，即表现为蚂蚁的全局搜索和局部搜索并行的寻优过程。与网格划分法的不同处在于该算法利用了网格中每一点的信息，而网格划分法只利用了最小值的信
