检索结果-内蒙古大学图书馆

作者：赵晓东燕山大学

学位级别：博士

优化问题广泛存在于科学技术和工程实际等领域,如自动控制、通讯系统、生物工程等。群智能优化算法是求解复杂优化问题的一类有效方法,是当前智能计算研究的热点之一。飞蛾火焰优化(Moth-flame optimization,MFO)算法是模拟飞蛾在自然... 详细信息

优化问题广泛存在于科学技术和工程实际等领域,如自动控制、通讯系统、生物工程等。群智能优化算法是求解复杂优化问题的一类有效方法,是当前智能计算研究的热点之一。飞蛾火焰优化(Moth-flame optimization,MFO)算法是模拟飞蛾在自然界中的导航机制提出的一种群智能优化算法。该算法具有简单、易于实现、搜索速度快等优点,但是算法在搜索过程中出现种群多样性变差、过早收敛等现象。本文在分析MFO算法基本原理的基础上,围绕MFO算法的改进及其应用展开研究,具有重要的理论和实际意义。本文的主要工作如下:首先,针对飞蛾火焰优化算法在搜索过程种群多样性降低的问题,受智能优化算法中多种群技术的启发,通过混沌分组机制和动态重组机制对飞蛾种群进行分组和动态重组,对两个飞蛾子种群分别进行螺旋搜索和直线搜索,并利用高斯变异来生成火焰,提出一种基于动态多种群的改进飞蛾火焰算法(Improved moth-flame optimization algorithm based on dynamic multi-swarm,MIMFO)。在经典测试集和Congress on Evolutionary Computation(CEC)2014测试集上验证MIMFO算法的有效性。其次,针对飞蛾火焰优化算法易于过早收敛、局部和全局搜索不平衡的问题,利用正交反向学习策略、混合搜索机制和变异操作对MFO算法进行改进,提出一种基于正交反向学习和改进飞蛾位置更新机制的飞蛾火焰优化算法(Moth-flame optimization algorithm with orthogonal opposition-based learning and improved position updating mechanism of moths,OOBLIMFO);该算法不仅可以提高MFO算法跳出局部最优的能力,还可以提高算法的收敛精度和速度;在经典测试集、CEC 2014测试集和三个工程设计问题上,与其他优化算法进行比较,结果表明,在大部分测试问题上,OOBLIMFO算法在收敛精度和速度上具有优势。再次,针对飞蛾火焰优化算法搜索机制单一导致精度不高的问题,在种群初始化、飞蛾的位置更新和火焰生成方面对MFO算法进行改进,提出一种基于混合搜索和高斯变异的飞蛾火焰算法(Moth-flame optimization algorithm with hybrid search and Gaussian mutation,HSGMMFO);在经典测试集上与其他优化算法进行对比,验证HSGMMFO的有效性;基于现场数据建立HSGMMFO优化快速学习网络的铁水硅含量预测模型,结果表明,相比其他预测模型本文所提方法能得到更好的结果。然后,针对飞蛾火焰优化算法个体维度间信息交流少的问题,考虑飞蛾迭代过程中个体维度之间的相互影响,利用协方差来更新飞蛾位置,并采用柯西变异生成火焰,提出一种基于协方差和柯西变异的飞蛾火焰优化算法(Moth-flame optimization algorithm based on covariance and Cauchy mutation,CCMFO);在经典测试集、CEC2014测试集和57个实际约束优化问题上,验证CCMFO算法的有效性。此外,将CCMFO应用于结晶器振动位移系统前馈和反馈控制相结合的复合控制器参数优化中,结果表明,该方法能有效降低参数选择的难度,提高跟踪精度。最后,针对多目标优化问题,利用柯西变异、动态调整机制和自适应参数在火焰生成、飞蛾位置更新、参数调整策略方面对MFO进行改进,并基于r支配关系来引导搜索方向,提出一种基于r支配的改进多目标飞蛾火焰优化算法(Improved multi-objective moth-flame optimization algorithm based on r dominance,r IMOMFO);通过测试集验证r IMOMFO算法的有效性。此外,将r IMOMFO应用于多航天器姿态协同控制器的控制参数优化,结果表明,优化后的控制器可以加速收敛速度,提高控制精度。

关键词：飞蛾火焰优化算法群智能优化算法混合搜索机制变异策略预测建模参数优化

来源：评论

学校读者我要写书评

暂无评论

一种改进ε约束飞蛾火焰优化算法及其在约束优化问题中的应用

引用

控制与决策 2023年第10期38卷 2841-2849页

作者：叶文静曹萃文顾幸生华东理工大学能源化工过程智能制造教育部重点实验室上海200237

提出一种改进ε约束法的飞蛾火焰优化算法(ε improved moth-flame optimization algorithm,εIMFO)求解约束优化问题.该算法采用ε约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值ε计算公式... 详细信息

提出一种改进ε约束法的飞蛾火焰优化算法(ε improved moth-flame optimization algorithm,εIMFO)求解约束优化问题.该算法采用ε约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值ε计算公式;改进火焰种群的更新方法,首先,根据种群中个体的约束违反度与ε的关系将其分为两类:一类是约束违反度小于等于ε的个体,按照目标函数值排序,另一类是约束违反度大于ε的个体,按约束违反度排序;然后,先选择第1类中的个体,若数量没有达到种群数量的要求,继续从第2类中选取个体形成新一代火焰种群;最后,提出一种改进的飞蛾变异策略,在原始飞蛾变异策略的基础上引入2个随机火焰个体影响飞蛾变异,并增加优秀火焰个体对飞蛾变异的指导作用.通过25个测试函数以及2个实际的工程优化问题分别与其他13种算法进行的算法性能测试对比表明,εIMFO算法在求解精度和稳定性等方面具有优势.

关键词：约束优化问题飞蛾火焰优化算法改进ε约束法火焰更新飞蛾变异策略

来源：评论

学校读者我要写书评

暂无评论

飞蛾火焰优化算法在承压含水层参数反演中的应用

引用

长江科学院院报 2016年第7期33卷 28-33页

作者：崔东文云南省文山州水务局云南文山663000

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进... 详细信息

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。

关键词：飞蛾火焰优化算法粒子群优化算法仿真验证含水层参数参数反演

来源：评论

学校读者我要写书评

暂无评论

多策略融合改进的飞蛾火焰优化算法

引用

北京航空航天大学学报 2024年第9期50卷 2862-2871页

作者：何加文许贤泽高波武汉大学电子信息学院武汉430072

针对飞蛾火焰优化算法容易出现局部最优解、接近全局最优时开发能力不足等问题,提出一种多策略融合改进的飞蛾火焰优化(RGMFO)算法。在每次迭代开始时,使用随机反向学习策略获得高质量飞蛾种群;利用高斯变异将较差的火焰个体替换为优秀... 详细信息

针对飞蛾火焰优化算法容易出现局部最优解、接近全局最优时开发能力不足等问题,提出一种多策略融合改进的飞蛾火焰优化(RGMFO)算法。在每次迭代开始时,使用随机反向学习策略获得高质量飞蛾种群;利用高斯变异将较差的火焰个体替换为优秀个体;使用阿基米德螺线、权重因子和围绕最优火焰飞行3种方式改进飞蛾更新机制。为验证所提算法的有效性,与11个不同类型的基准函数进行寻优测试,基准函数实验结果与秩和检验表明:相较于其他优化算法及其他MFO改进算法,所提算法具有更好的全局搜索能力与更高的寻优精度。将所提算法应用于减速器设计和槽形舱壁设计的实际工程场景中,以进一步验证算法的实用性与可行性。

关键词：飞蛾火焰优化算法多策略融合随机反向学习高斯变异智能优化

来源：评论

学校读者我要写书评

暂无评论

飞蛾火焰优化算法的改进及其调度应用研究

飞蛾火焰优化算法的改进及其调度应用研究

引用

作者：刘晨西安工业大学

学位级别：硕士

随着实际优化问题的复杂度提高,传统的优化方法已难以对其实现高效求解,基于“无免费午餐”定理,因此学者们必须深入探求更有效的启发式优化算法来对实际优化问题进行求解。通过观察到大自然中飞蛾夜间横向定位的飞行方式,并对其行为进... 详细信息

随着实际优化问题的复杂度提高,传统的优化方法已难以对其实现高效求解,基于“无免费午餐”定理,因此学者们必须深入探求更有效的启发式优化算法来对实际优化问题进行求解。通过观察到大自然中飞蛾夜间横向定位的飞行方式,并对其行为进行仿真模拟,澳大利亚学者Mirjalili由此提出了一种新的启发式优化算法-飞蛾火焰优化算法(Moth Flame Optimization Algorithm,MFO),为优化领域创造了一个全新的搜索范式-螺旋搜索,为解决优化问题提供了新的解决途径。自MFO算法提出以来,便受到科学界和工业界的广泛关注,并在许多领域得到了实际的应用。但随着后期迭代次数的增加,MFO算法的寻优操作受到了一定的局限性,扰动种群个体的多样性,进而影响了算法的收敛性能。针对上述问题,本文对MFO算法进行了多样性和自适应的改进,并将其应用于无约束的云计算资源任务调度问题,以及带时间窗约束的车辆路径规划问题的离散化问题的求解,验证所提出算法的有效性。1)标准MFO算法在迭代后期容易进入局部最优,并且对优化问题的求解精度不高,本文提出了一种基于多策略的飞蛾火焰优化算法(Multi-Strategy Moth Flame Optimization Algorithm,MSMFO)。首先,将自适应火焰数变化策略引入标准飞蛾火焰优化算法中,对解空间的探索范围更新依据搜索状态进行改变,对全局勘探的能力有所提高。其次,采用趋向多火焰策略对火焰位置进行变动以增强种群的多样性。最后,通过越界重置策略对边界无效解进行重置,替换原始的边界赋法,使得算法的多样性增强。通过在姚新的benchmark测试函数上进行函数求解性能评估,与其它启发式优化算法的求解结果进行对比,实验输出的数据证明本文算法在对函数优化问题的求解精度上具有显著性。2)针对以最小化最大完成时间为目标的无约束云计算资源任务调度问题,为了解决规模较大的资源任务调度问题,采用上面提出的MSMFO算法解决该类问题以此来降低调度成本,将连续性问题求解转换为对离散化调度问题的求解,通过多策略机制对资源的调度方式进行改进,使得算法的鲁棒性增强。在云计算Cloud Sim仿真平台上进行应用求解,与传统轮询算法及遗传算法等进行了实验对比,实验输出的数据证实了所提出算法可以高效解决云计算资源任务调度问题,大大缩短了调度任务的完成时间。3)针对以最小化配送路径距离为目标的带时间窗约束的车辆路径规划问题,将MSMFO算法应用于该类问题求解,在客户要求的时间窗约束条件下,合理高效的分配货物,帮助配送客户选择较高质量的配送路径,选取Solomon算例对求解问题进行了性能测试,通过与其他启发式优化算法进行实验对比,实验结果表明所提出算法对于求解带时间窗的车辆路径规划问题的性能较好,该算法所得出的调度方案可大大减少调度时间,证明了算法的有效性以及实用性。

关键词：飞蛾火焰优化算法自适应策略云计算任务调度问题车辆路径规划问题

来源：评论

学校读者我要写书评

暂无评论

飞蛾火焰优化算法的改进研究与应用

飞蛾火焰优化算法的改进研究与应用

引用

作者：刘倩河北地质大学

学位级别：硕士

飞蛾火焰优化算法(MFO)是澳大利亚学者Seyedali Mirjalili于2015年提出的一种新颖群体智能算法。飞蛾和火焰是该算法的两个构成部分,其探索和开采之间的平衡问题通过横向定位导航机制来解决。飞蛾火焰优化算法具有参数简单,容易实现等优... 详细信息

飞蛾火焰优化算法(MFO)是澳大利亚学者Seyedali Mirjalili于2015年提出的一种新颖群体智能算法。飞蛾和火焰是该算法的两个构成部分,其探索和开采之间的平衡问题通过横向定位导航机制来解决。飞蛾火焰优化算法具有参数简单,容易实现等优点,因此,自被提出以来便成为国内外学者研究的热点之一,并在诸多领域得到实际的应用。然而,飞蛾火焰优化算法存在早熟收敛,易陷入局部最优和寻优精度低等缺陷。在某种程度上,这些缺陷限制了该算法的应用范围。本文针对飞蛾火焰优化算法存在的不足做了一些改进,并将改进后的算法应用于实际工程优化和K-means聚类的优化问题中,其目的在于提高飞蛾火焰优化算法的优化性能,扩展其应用范围。具体来说,本论文的主要成果包含如下两方面:1.针对飞蛾火焰优化算法存在的早熟收敛,求解精度低的问题,提出一种基于混沌初始化和高斯变异的改进的飞蛾火焰优化算法(CGMFO)。首先,采用混沌立方映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。一系列的实验结果表明,改进后的算法能明显提高解的精度和算法的收敛速度。此外,将改进后的飞蛾火焰优化算法应用于实际工程优化问题也取得了较好的效果。2.为解决传统K-means算法对初始聚类中心的选取较敏感,易陷入局部最优的问题,提出一种多策略动态自适应飞蛾火焰优化算法(MMFO)。该算法在飞蛾火焰优化算法中引入反向学习策略,精英策略和动态自适应权重策略,以增强算法的全局搜索能力,提高算法的收敛速度和求解精度。将改进后的飞蛾火焰优化算法应用于K-means算法的聚类中可以显著提高聚类的可靠性和稳定性。

关键词：飞蛾火焰优化算法混沌映射高斯变异反向学习精英策略 K-means算法工程优化

来源：评论

学校读者我要写书评

暂无评论

飞蛾火焰优化算法的改进及其应用研究

飞蛾火焰优化算法的改进及其应用研究

引用

作者：郭佳丽西安理工大学

学位级别：硕士

飞蛾火焰优化算法是Seyedali Mirjalili受飞蛾在夜间使用横向定位飞行这一生物行为的启发,于2015年提出的一种新型的元启发式算法,通过记录最好位置以及螺旋搜索实现对优化问题的求解。在对飞蛾火焰优化算法的研究中,对基本算法进行改... 详细信息

飞蛾火焰优化算法是Seyedali Mirjalili受飞蛾在夜间使用横向定位飞行这一生物行为的启发,于2015年提出的一种新型的元启发式算法,通过记录最好位置以及螺旋搜索实现对优化问题的求解。在对飞蛾火焰优化算法的研究中,对基本算法进行改进以提高算法的优化性能与搜索效率,并且扩展算法的应用领域始终是研究工作的重点。本论文围绕这两个研究主题,对基本的飞蛾火焰优化算法进行改进,并用于解决一些复杂的优化问题。具体工作如下:(1)提出一种基于维数学习和二次插值的飞蛾火焰算法并用于数据聚类问题。针对K-means算法对初始聚类中心敏感和容易陷入局部最优的问题,首先提出一种基于维数学习和二次插值的飞蛾火焰优化算法以提高基本算法的求解精度和收敛速度。采用Tent混沌映射产生多样性较好的初始种群,增强算法的全局搜索能力。对火焰位置采用维数学习策略生成更优良的火焰来指导飞蛾寻优,以提高算法的搜索效率。把二次插值法引入基本算法产生新的飞蛾个体,增强算法的局部开发能力,从而更好地平衡算法的探索与开发能力。选取标准测试函数进行数值实验,并与性能较好的元启发式算法进行比较,实验结果和策略有效性分析表明:所提出的算法具有更高的求解精度和更强的鲁棒性。然后使用新提出的基于维数学习和二次插值的飞蛾火焰优化算法来优化聚类中心的位置。UCI数据集的实验结果表明,使用新提出的算法计算得到的聚类中心可以使K-means算法的聚类效果有明显地提升。(2)提出一种融合学习策略和邻域搜索的飞蛾火焰算法并用于作业车间调度问题。针对以最小化最大完工时间为目标的作业车间调度问题,首先提出一种融合学习策略和邻域搜索的飞蛾火焰优化算法以降低基本算法陷入局部最优的概率并提高种群多样性。将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部最优中跳出,并且提供了更高的机会接近问题的未知最优解。对飞蛾种群基于适应度值分群,其中一个子群采用排序配对学习策略以实现个体间的信息交流,另一个子群采用邻域搜索策略以增加种群多样性,这种并行计算能更快地提升整个种群的质量。选取标准测试函数和CEC2017测试函数进行数值实验,并与先进的元启发式算法以及它们的改进算法进行比较,测试结果和统计分析表明所提算法的求解精度和稳定性得到了改善。然后将新提出的融合学习策略和邻域搜索的飞蛾火焰优化算法用于OR-Library中标准实例的求解,测试结果验证了所提算法对作业车间调度问题是有效的。

关键词：飞蛾火焰优化算法维数学习二次插值排序配对学习邻域搜索 K-means聚类作业车间调度问题

来源：评论

学校读者我要写书评

暂无评论

基于维数学习和二次插值的混沌飞蛾火焰优化算法

引用

系统科学与数学 2021年第5期41卷 1233-1244页

作者：王秋萍郭佳丽王晓峰西安理工大学理学院西安710054

针对K-means算法对初始聚类中心敏感和容易陷入局部最优的问题,首先提出一种基于维数学习和二次插值的飞蛾火焰优化算法以提高基本算法的求解精度和收敛速度,即采用Tent混沌映射产生多样性较好的初始种群,增强算法的全局搜索能力;对火... 详细信息

针对K-means算法对初始聚类中心敏感和容易陷入局部最优的问题,首先提出一种基于维数学习和二次插值的飞蛾火焰优化算法以提高基本算法的求解精度和收敛速度,即采用Tent混沌映射产生多样性较好的初始种群,增强算法的全局搜索能力;对火焰位置采用维数学习策略生成更优良的火焰来指导飞蛾寻优,以提高算法的搜索效率;把二次插值引入基本飞蛾火焰算法,每次迭代利用二次函数的极值点产生新的飞蛾个体,增强算法的局部开发能力,更好地平衡算法的探索与开发能力,从而改善了解的精度.选取CEC 2017测试函数进行数值实验测试所提算法的性能,并与5个先进的元启发式算法比较,结果表明:所提出的算法具有更高的求解精度和更强的鲁棒性.然后,将改进的飞蛾火焰算法用来优化聚类中心的位置,5个UCI数据集的实验结果表明改进的算法适用于求解K-means聚类问题,且取得了好的聚类效果.

关键词：飞蛾火焰优化算法 Tent混沌映射维数学习二次插值 K-means聚类

来源：评论

学校读者我要写书评

暂无评论

新型飞蛾火焰优化算法的研究

引用

计算机工程与应用 2019年第16期55卷 138-143页

作者：田鸿陈国彬刘超重庆人文科技学院重庆401524 重庆工商大学融智学院重庆400033 贵州航天电器股份有限公司贵阳550009

飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解的问题,针对这些不足,提出了一种Kent混沌动态惯性权值... 详细信息

飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解的问题,针对这些不足,提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法(Ameliorative MFO,AMFO)。在AMFO算法中,引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优;采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力,以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能,并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较,仿真结果表明AMFO算法具有较好的搜索性能。

关键词：群智能飞蛾火焰优化算法 Kent混沌动态惯性权值数值函数

来源：评论

学校读者我要写书评

暂无评论

求解高维全局优化问题的改进飞蛾火焰优化算法

引用

数学的实践与认识 2020年第16期50卷 153-163页

作者：龙文焦建军张文专徐明蔡绍洪贵州财经大学贵州省经济系统仿真重点实验室贵州贵阳550025 贵州财经大学数统学院贵州贵阳550025

针对标准飞蛾火焰优化算法在求解高维全局优化问题时存在收敛速度慢、解精度低和易陷入局部最优等缺点,提出一种改进的飞蛾火焰优化算法(简记为IMFO).该算法首先引入动态惯性权重对飞蛾位置更新方程进行修改以平衡算法的勘探和开采能力... 详细信息

针对标准飞蛾火焰优化算法在求解高维全局优化问题时存在收敛速度慢、解精度低和易陷入局部最优等缺点,提出一种改进的飞蛾火焰优化算法(简记为IMFO).该算法首先引入动态惯性权重对飞蛾位置更新方程进行修改以平衡算法的勘探和开采能力.受差分进化算法启发,设计出一种新的随机差分变异策略,以帮助种群跳出局部最优,选取18个高维(100、500和1000维)全局优化问题进行数值测试,结果表明,在相同的适应度函数评价次数下,IMFO在收敛速度和求解精度指标上明显优于基本MFO算法和其他对比算法.

关键词：飞蛾火焰优化算法高维全局优化问题随机差分变异惯性权重

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：