發(fā)布時(shí)間：2018-05-20 18:15

  本文選題：人工魚(yú)群算法 + 共軛梯度法　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年12期

【摘要】：針對(duì)基本人工魚(yú)群算法運(yùn)算精度低和效率差的缺點(diǎn),將共軛梯度法引入基本人工魚(yú)群算法中,得到改進(jìn)的人工魚(yú)群算法。算法對(duì)每條人工魚(yú)分別進(jìn)行聚群算子和追尾算子,若更新結(jié)果沒(méi)有得到改善,則利用共軛梯度法進(jìn)行更新。在人工魚(yú)群更新過(guò)程中引入共軛梯度法,減少隨機(jī)性,增強(qiáng)人工魚(yú)個(gè)體的局部尋優(yōu)能力,確保人工魚(yú)每次更新都會(huì)得到改善,從而加快人工魚(yú)群算法收斂速度。數(shù)值實(shí)驗(yàn)結(jié)果表明,所得改進(jìn)人工魚(yú)群算法具有更快的收斂速度,同時(shí)收斂精度也得到一定提升。
[Abstract]:The conjugate gradient method is introduced into the basic artificial fish swarm algorithm to improve the artificial fish swarm algorithm, aiming at the shortcomings of low precision and poor efficiency of the basic artificial fish swarm algorithm. The algorithm carries on the clustering operator and the rear-end operator to each artificial fish respectively. If the update result is not improved, the conjugate gradient method is used to update the artificial fish. The conjugate gradient method is introduced in the process of artificial fish regeneration, which reduces randomness, enhances the local optimization ability of artificial fish, and ensures that artificial fish can be improved every time, thus speeding up the convergence speed of artificial fish swarm algorithm. Numerical results show that the improved artificial fish swarm algorithm has faster convergence speed and higher convergence accuracy.
【作者單位】： 北京建筑大學(xué)理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61463009) 北京市自然科學(xué)基金資助項(xiàng)目(4122022) 中央支持地方科研創(chuàng)新團(tuán)隊(duì)項(xiàng)目(PXM2013-014210-000173)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧雪燕;蔡菲菲;;基于多群競(jìng)爭(zhēng)的改進(jìn)人工魚(yú)群算法[J];梧州學(xué)院學(xué)報(bào);2008年03期

2 曲良東;何登旭;;改進(jìn)的人工魚(yú)群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2009年05期

3 王聯(lián)國(guó);洪毅;趙付青;余冬梅;;一種簡(jiǎn)化的人工魚(yú)群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年08期

4 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚(yú)群算法[J];信息技術(shù)與信息化;2010年03期

5 韋修喜;曾海文;周永權(quán);;云人工魚(yú)群算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

6 曾蒙迪;;人工魚(yú)群算法的簡(jiǎn)介及應(yīng)用[J];信息與電腦(理論版);2011年04期

7 李媛;;基于人工魚(yú)群算法的多元線性回歸分析問(wèn)題處理[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

8 陳曉峰;宋杰;;量子人工魚(yú)群算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

9 王波;;基于細(xì)胞膜優(yōu)化的人工魚(yú)群算法研究[J];科技通報(bào);2013年03期

10 王培崇;;人工魚(yú)群算法研究綜述[J];中國(guó)民航飛行學(xué)院學(xué)報(bào);2013年04期

相關(guān)會(huì)議論文 前1條

1 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚(yú)群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前6條

1 王聯(lián)國(guó);人工魚(yú)群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚(yú)群智能優(yōu)化算法及其應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2016年

3 費(fèi)騰;改進(jìn)人工魚(yú)群算法及其在物流選址優(yōu)化中的應(yīng)用研究[D];天津大學(xué);2016年

4 李曉磊;一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D];浙江大學(xué);2003年

5 張梅鳳;人工魚(yú)群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

6 張新雨;一類復(fù)雜工業(yè)環(huán)境中若干關(guān)鍵參量檢測(cè)與處理方法研究[D];西安理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚(yú)群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲(chóng)群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚(yú)群算法在商旅問(wèn)題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚(yú)群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 黃鋒;混沌人工魚(yú)群算法及其在水庫(kù)(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

6 劉翔;基于改進(jìn)人工魚(yú)群算法的化工過(guò)程優(yōu)化[D];北京化工大學(xué);2015年

7 陳新;基于人工魚(yú)群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

8 方仁孝;基于群智能算法優(yōu)化SVR的短時(shí)交通流預(yù)測(cè)[D];大連理工大學(xué);2015年

9 劉慧敏;人工魚(yú)群算法研究及其在圖像增強(qiáng)中的應(yīng)用[D];西安電子科技大學(xué);2014年

10 曾飛艷;一種人工魚(yú)群算法的改進(jìn)及其對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[D];湖南科技大學(xué);2015年

，

本文編號(hào)：1915717