《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、研究生论文开题报告学科工学专业计算机科学与技术研究方向人工智能与模式识别学号研究生姓名学位级别硕士导师姓名填表日期2016年12月12日论文题目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:1、主要参考资料及文献:M.Dorigo,V.Maniezzo,andA.Colorni.Antsystem:OptimizationbyacolonyofcooperatingagentsJ.IEEETransactionsonSystems,Man,andCybernetics-partB:Cybernetics,1996,26(1):29-41.M.DorigoandL.Gambard
2、ella.Antcolonysystem:AcooperativelearningapproachtothetravellingsalesmanproblemJ.IEEETrans.Evol.Comput.,1997,1(1):5366.1 T.StutzleandH.Hoos.Max-minantsystemJ.FutureGener.Comput.Syst.,2000,16(9):889-914.2 B.Bullnheimer,G.Kotsis,andC.Strauss.Anewrank-basedversionoftheantsystem:AcomputationalstudyJ.Cen
3、tralEur.J.Oper.Res.,1999,7(1):2538.O.Cordon,I.F.deViana,andF.Herrera.Analysisofthebest-worstantsystemanditsvariantsontheTSPJ.Math.SoftComput.,2002,9(2/3):177192.3 M.DorigoandT.Stutzle.AntColonyOptimizationM.Cambridge,MA:MITPress,2004.4 G.Bilchev,andI.C.Parmee.Theantcolonymetaphorforsearchingcontinuo
4、usdesignspacesC.LNCS,1995,933:25-39.5 N.Monmarche,G.Venturini,andM.Slimane.OnhowPachycondylaapicalisantssuggestanewsearchalgorithmJ.FutureGenerationComputerSystems,2000,16:937-946.J.Drso,P.Siarry.AnewantcolonyalgorithmusingtheheterarchicalconceptaimedatoptimizationofmultiminimacontinuousfunctionsJ.L
5、NCS,2002,2463:216-221.6 Guntsch,M.,Middendorf,M.ApopulationbasedapproachforACOJ.LNCS,2002,2279:71-80.7 S.H.Pourtakdoust,H.Nobahari.Anextensionofantcolonysystemtocontinuousoptimizationproblems.LNCS,2004,3172:294-301.8 Socha,K.,&Dorigo,M.AntcolonyoptimizationforcontinuousdomainsJ.EuropeanJournalofOper
6、ationalResearch.2006,185,1155-1173.Hu,X.M.,Zhang,J.,&Li,Y.OrthogonalmethodsbasedantcolonysearchforsolvingcontinuousoptimizationproblemsJ.JournalofComputerScienceandTechnology.2008,23(1),218.9 F.Franca,G.P.Coelho,F.J.VonZuben,etal.MultivariateantcolonyoptimizationincontinuoussearchspacesA.InProceedin
7、gsoftheGeneticandEvolutionaryComputationConferenceC,Atlanta,USA,2008,916.10 G.Leguizam_onandC.Coello.AnalternativeACOralgorithmforcontinuousoptimizationproblemsJ.LNCS,2010,6234:48-59.XiaoJing,LiLiangPing.AhybridantcolonyoptimizationforcontinuousdomainsJ.ExpertSystemswithApplications,38:11072-11077.1
8、1 LiaoT,MontesdOMA,AydinD,etal.AnincrementalantcolonyalgorithmwithlocalsearchforcontinuousoptimizationCConferenceonGeneticandEvolutionaryComputation.ACM,2011:182-183.12 LiaoT,SttzleT,OcaMand,etal.AunifiedantcolonyoptimizationalgorithmforcontinuousoptimizationJ.EuropeanJournalofOperationalResearch,20
9、14,234(3):597-609.13 KumarU,SomanS,Jayadeva.BenchmarkingNLoptandstate-of-the-artalgorithmsforcontinuousglobaloptimizationviaIACOrIACOrmathContainerLoadingMathjaxJ.Swarm&EvolutionaryComputation,2015,27:116-131.14 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):21-22.15 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
10、,12.16 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.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,2007,19(5):974977.李盼池.李士勇.LIPan-chi.LIShi-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).17 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):21212124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):16851688.刘正龙,杨艳梅.基于交
11、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.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):61:64.2、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
12、应用价值和现实意义。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
13、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
14、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I2-5】。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,
15、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息。2007年,段海滨等21首先采用网格划分策略将连续空间离散化,然后通过评价函数确定蚂蚁的转移概率同时引入了相遇搜索策略,在求解连续空间优化问题时,该算法有着较快的收敛速度。同年,熊伟清等22提出的连续域蚁群算法是基于二进制编码的,该算法将决策空间中的每个候选解采用类似于遗传算法中的二进制方式进行编码,寻优的过程即是蚂蚁在二进制地图上进行搜索的过程,这样就方便的将本质上离散的蚁群算法应用到了连续域的优化问题中。2008年,李盼池等24提出一种求解连续优化的量子蚁群算法,将蚁群算法中的每只蚂蚁携带一组量子比特,根据信息素强度和可见度构造概率选择蚂蚁的前进目标,采用量子旋转门更新蚂蚁携带的量子比特完成蚂蚁的移动,采用量子非门实现蚂蚁所在位置的变异增加位置的多样性。同年,马卫等25提出了一种新的由侦察蚁和觅食蚁两种蚂蚁协作搜索的函数优化连续蚁群算法,在搜索策略中引入混沌序列算法确定侦察蚁的初始位置,然后由其进行全局大视域快速搜索,再由觅食蚁在侦察蚁发现的全局较好解附近进行局部搜索,加快了收敛速度,提高了求解精度。2009年,周新建等26提出的一种用于连续函数优化的改