动物迁徙算法及其应用研究

随着社会的进步,科学技术的飞速发展,人们面临解决的问题越来越复杂,规模也越来越大,采用传统的优化方法几乎无法有效求解,对最优化问题的合理建模和有效求解已成为一个非常重要的研究课题。目前,智能优化算法求解复杂组合优化问题已成为一个新的热点,智能算法具有自适应、并行、简单、易于实现等特点,已经成为诸多研究学者解决复杂优化问题的重要方法之一。动物迁徙算法是模拟自然界中动物群体迁徙而设计出一种新兴群体智能算法,主要包含迁徙和更新两个过程。该算法具有结构简单、鲁棒性强、参数少、不易陷入局部最优、也不会陷入维灾难等优点,目前,动物迁徙算法已被成功的应用于求解一些复杂的组合优化问题。但该算法也存在着一些缺点,即求解精度不高、收敛速度慢等。本论文针对动物迁徙算法的不足进行一些改进,其目的在于改进其算法的不足,提高算法的整体性能,拓宽其算法的应用范围。本文的工作主要包括以下3个方面：(1)采用动态收缩搜索空间以增强算法的深度搜索性能,通过引入一收缩系数参数可以有效地缩小解的空间,同时促使种群向最优个体附近迅速靠拢,因此提高了算法的精度和加快算法的收敛速度。(2)针对传统方法在求解聚类分析问题精度低,易陷入局部最优等问题,本文采用动态收缩搜索空间算子方式加强算法局部搜索能力,避免了传统方法存在的不足。实验结果表明该算法在求解聚类分析问题中是可行和高效的。(3)针对群智能算法在求解约束优化函数时易陷入局部最优、种群多样性差、约束项处理不恰当等问题,文中将动物迁徙算法结合罚函数进行改进,引入一控制参数可以有效地避免算法陷入局部最优,提出了求解约束优化问题的改进型动物迁徙算法。实验结果分析和比较表明算法是非常有效的,具有较快的收敛速度和寻优精度,且能够对约束条件十分苛刻的情况下给出高质量的解。