發(fā)布時間：2025-01-01 08:53

　　群集蜘蛛優(yōu)化算法(Social Spider Optimization,SSO)是一種模擬群集蜘蛛個體之間相互協(xié)作捕食、公共網(wǎng)交換信息以及雌雄個體之間繁衍后代等一系列行為而設計的啟發(fā)式優(yōu)化算法。在該算法模型中,種群按一定的比例被分為雌性蜘蛛種群和雄性蜘蛛種群,個體之間根據(jù)性別的不同進行分工協(xié)作,這不僅真實地模擬了群集蜘蛛群體的生物行為,也在一定程度上平衡了算法局部和全局搜尋能力。群集蜘蛛優(yōu)化算法具備結(jié)構(gòu)清晰、易于理解、搜尋能力強的優(yōu)點,因而受到了國內(nèi)外學者普遍的關注。隨著對群集蜘蛛優(yōu)化算法探究的深入,學者們發(fā)現(xiàn)了該算法的一些缺點,例如收斂速度慢、求解精度低、易陷入局部最優(yōu)等,這些不足嚴重限制了群集蜘蛛優(yōu)化算法在科學工程領域的應用。本文針對群集蜘蛛優(yōu)化算法的多種缺點,首先從引入進化新策略和結(jié)合其他算法優(yōu)秀機制兩方面對算法進行改進,然后將改進算法應用于函數(shù)優(yōu)化問題和無線傳感器網(wǎng)絡覆蓋優(yōu)化問題中,主要研究工作如下:(1)通過將差分進化算法與群集蜘蛛優(yōu)化算法相結(jié)合,提出了一種改進的基于差分進化的群集蜘蛛優(yōu)化算法(DESSOcw)。該算法利用差分進化算法的差分變異機制對隨機選取的部分雌性蜘蛛個體進...

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 群集蜘蛛優(yōu)化算法的現(xiàn)狀
        1.2.1 群集蜘蛛優(yōu)化算法改進研究
        1.2.2 群集蜘蛛優(yōu)化算法應用研究
    1.3 本文的主要研究工作及創(chuàng)新點
        1.3.1 組織結(jié)構(gòu)
        1.3.2 創(chuàng)新點
第二章 群集蜘蛛優(yōu)化算法
    2.1 群集蜘蛛優(yōu)化算法簡介
    2.2 群集蜘蛛優(yōu)化算法的基本原理
        2.2.1 種群初始化
        2.2.2 雌性蜘蛛位置更新
        2.2.3 雄性蜘蛛位置更新
        2.2.4 交配行為
    2.3 群集蜘蛛優(yōu)化算法的基本步驟和流程圖
第三章 基于差分進化的群集蜘蛛優(yōu)化算法
    3.1 差分變異策略
    3.2 慣性權(quán)重策略及學習因子策略
    3.3 改進的基于差分進化的群集蜘蛛優(yōu)化算法
    3.4 DESSOcw算法時間復雜度分析
    3.5 DESSOcw算法仿真實驗
        3.5.1 測試函數(shù)
        3.5.2 改進策略對SSO算法性能的影響分析
        3.5.3 與其他幾種智能算法的對比實驗
        3.5.4 與相關改進算法的對比實驗
    3.6 本章小結(jié)
第四章 基于混沌優(yōu)化和高斯擾動的群集蜘蛛優(yōu)化算法
    4.1 混沌優(yōu)化策略
    4.2 高斯擾動策略
    4.3 基于混沌優(yōu)化和高斯擾動的群集蜘蛛優(yōu)化算法
    4.4 CGSSO算法仿真實驗
        4.4.1 改進策略的有效性
        4.4.2 與其他幾種群智能算法的比較
    4.5 本章小結(jié)
第五章 DESSOcw算法算法在網(wǎng)絡覆蓋優(yōu)化中的應用
    5.1 無線傳感器網(wǎng)絡模型的選取
    5.2 覆蓋率函數(shù)
    5.3 基于DESSOcw算法的無線傳感器網(wǎng)絡覆蓋算法
    5.4 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 主要結(jié)論與展望
    6.1 主要結(jié)論
    6.2 展望
致謝
參考文獻
附錄:作者在攻讀碩士學位期間發(fā)表的論文及參加的學術活動



本文編號：4022346