萤火虫算法是一种新型元启发算法,具有操作简单,需要调整的参数少,易实现等特点,已受到越来越多学者的关注,并广泛应用于生产,生活等方面.本文通过分析初始种群和重要参数对萤火虫算法性能的影响,提出了改进的萤火虫算法,并将其应用于求解压力容器问题中.论文的主要研究内容如下:(1)阐述萤火虫算法的国内外研究现状,并介绍萤火虫算法的基本理论、数学模型及算法流程.(2)分析初始种群对算法性能的影响,提出一种基于布谷鸟算法的萤火虫算法(Cuckoo Initialization of Firefly Algorithm,简称CSFA),利用布谷鸟算法对萤火虫初始种群进行优化,加快萤火虫向最优解逼近的速度.通过测试函数对CSFA算法进行验证,证明该算法的有效性.(3)分析启发式算法参数设置与算法性能的关系,提出一种通过粒子群的粒子搜索,对不同优化问题自适应选取萤火虫算法参数值的优质组合的方法(Optimizing Parameter of Firefly Algorithm based on Particle Swarm Optimization,简称PFA).通过测试函数进行实验,测试结果表明,该粒子群-萤火虫算法参数优化策略具有很强的灵活性和适应性,进而验证了优化方案的可行性和有效性.(4)结合压力容器设计问题及萤火虫算法的特点,利用CSFA算法求解压力容器设计问题,结果表明改进后的算法具有较好的寻优性能.
为解决运用混沌图引力搜索算法(CGSA:Chaotic Gravitational Constants for the Gravitational Search Algorithm)难以计算经典的压力容器设计(PVD:Pressure Vessel Design)约束优化问题,提出了一种改进的混沌图引力搜索算法(CGSA9+)。...
详细信息
为解决运用混沌图引力搜索算法(CGSA:Chaotic Gravitational Constants for the Gravitational Search Algorithm)难以计算经典的压力容器设计(PVD:Pressure Vessel Design)约束优化问题,提出了一种改进的混沌图引力搜索算法(CGSA9+)。首先,分析PVD约束条件中各变量间的相互依赖关系,确定总体中各维度随机的先后依赖顺序;其次,在继承CGSA算法子代产生的规则基础上,更新越界子代的产生规则,借助当前全局最优解位置,优化子代产生规则;最后,通过循环验证是否满足约束,进而求解与评估,得到最优解。对比实验表明,该新算法能有效解决PVD约束优化问题,并具有较好的优化效果。
暂无评论