發(fā)布時間：2024-09-17 15:42

　　受果蠅覓食特性的啟示,著名學(xué)者潘文超于2011年提出了一種全新的群體智能元啟發(fā)式演化算法——果蠅優(yōu)化算法(Fruit fly optimization algorithm)。跟目前存在的一些仿生算法比較,果蠅優(yōu)化算法具有獨特的優(yōu)勢,主要體現(xiàn)在以下幾點:算法中出現(xiàn)的參數(shù)較少、流程結(jié)構(gòu)簡單、算法實現(xiàn)的難度較低。但盡管如此,果蠅優(yōu)化算法同樣有著類似其他元啟發(fā)式方法的缺陷,易陷入局部最優(yōu)、多維復(fù)雜問題的優(yōu)化中會出現(xiàn)早熟收斂現(xiàn)象等。為了提升基本果蠅優(yōu)化算法的尋優(yōu)性能,我們引入了兩種全新的改進方法,并將其分別應(yīng)用于Web服務(wù)組合和多閾值圖像分割中,主要工作如下:(1)隨著現(xiàn)實世界各種服務(wù)的快速增加,不同的web服務(wù)也可以具有相同的功能屬性。如何從這些組合服務(wù)中選取最符合用戶需求的一個候選服務(wù)集合已成為當(dāng)下備受追捧的議題,吸引了眾多研究者的目光。因而衍生出來許多基于服務(wù)質(zhì)量(QoS)來評價服務(wù)組合優(yōu)劣程度的方法。然而,絕大多數(shù)的現(xiàn)行方法或多或少都有其不足之處,比如可擴展性差,系統(tǒng)開銷大,很難找到全局最優(yōu)解等。因此,我們采用了一種新的搜索策略,改進算法為NSSFOA,該算法將果蠅種群分成了具有不同尋優(yōu)步...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．２優(yōu)化結(jié)果比較（平均適應(yīng)度值）??Ｆｉｇ．３．２?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ａｖｅｒａｇｅ?ｆｉｔｎｅｓｓ?

０．２，０．３，０．３｝，分別對應(yīng)定義１中的Ｃ，ｄ，７：穴。??候選服務(wù)個數(shù)不變，子服務(wù)個數(shù)改變時，四種算法所得的平均適應(yīng)度值曲線??如圖３．２所示。由圖３．２我們可以看出，ＮＳＳＦＯＡ算法所得結(jié)果的值在幾種算法??中是最小的，這表明該算法能夠有效地找到最優(yōu)的一組組合服務(wù)。另外，....

圖３．３優(yōu)化結(jié)果比較（標(biāo)準(zhǔn)差）??Ｆｉｇ．３．３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（?

子服務(wù)個數(shù)為１５．?子服務(wù)個數(shù)為２０．??圖３．２優(yōu)化結(jié)果比較（平均適應(yīng)度值）??Ｆｉｇ．３．２?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ａｖｅｒａｇｅ?ｆｉｔｎｅｓｓ）??３．４．２基于子服務(wù)集個數(shù)的比較??本部分的實驗是基于ＱＷＳ數(shù)據(jù)集....

圖３．４四種算法在不同迭代次數(shù)上的優(yōu)化結(jié)果??１７??

子服務(wù)個數(shù)為１５．?子服務(wù)個數(shù)為２０．??圖３．３優(yōu)化結(jié)果比較（標(biāo)準(zhǔn)差）??Ｆｉｇ．３．３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ｓｔａｎｄａｒｄ?ｄｅｖｉａｔｉｏｎ）??表３．２平均運行時間（秒）??Ｔａｂｌｅ?３．２?Ａｖｅｒａｇｅ?....

圖３．５?ＷＳ－Ｄｒｅａｍ數(shù)據(jù)集優(yōu)化過程對比圖??Ｆｉｇ．３．５?Ｃｏｍｐａｒａｔｉｖｅ?ｄｉａｇｒａｍ?ｏｆ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃ?

Ｆｉｇ．３．４?Ｐｅｒｆｏｒｍａｎｃｅ?ｏｆ?ｆｏｕｒ?ａｌｇｏｒｉｔｈｍｓ?ｗｉｔｈ?ｖａｒｙｉｎｇ?ｉｔｅｒａｔｉｏｎ?ｎｕｍｂｅｒｓ??３．４所示，實驗結(jié)果如表３．３所示，表３．３中的ＴＭ，Ａｖｅ和Ｓｔｄ分別表示理論最??小值，平均適應(yīng)度值和標(biāo)準(zhǔn)偏差。從圖３．４可以看出，我....

本文編號：4005670