菜单
　　
    摘要本论文主要研究基于反向轮盘赌机制的人工蜂群算法在旅行商问题上的应用，采用Matlab 软件编程仿真实现，并对算法的有效性及正确性进行了验证。本文首先阐述了群体智能优化算法的基本特点，列举了常见的群智能优化算法，介绍了论文的主要研究内容和研究意义。然后深入研究了基本人工蜂群算法的主要步骤、控制参数的设定及算法的流程。紧接着针对基本ABC 算法“早熟”的缺陷，在大量实验测试的基础上，采用反向轮盘赌机制对算法进行改进并仿真实现。通过对仿真结果的分析，应用这一机制选取待更新的食物源能有效克服过早陷入局部最优这一缺点，收敛速度也有显著提升，确保了种群的多样性。论文最后总结了人工蜂群算法目前的发展状况，并对算法的研究方向和应用领域进行了展望。  20865
    关键词  反向轮盘赌  人工蜂群  群体智能  组合优化 评估适应度值
    Title    Artificial Bee Colony (ABC) Algorithms on TSP
    Abstract
    In this thesis, artificial bee colony algorithm based on reverse roulette
    mechanism was applied in the traveling salesman problem. The improved
    algorithm used Matlab for simulation, testing the validity and accuracy
    of the algorithm. The paper described the basic features of the swarm
    intelligence optimization algorithm concisely, also cited several common
    examples of the  swarm intelligence optimization algorithm, which
    introduced the main contents and significance of this thesis. After
    carefully studying the major steps, control parameters setting, and the
    process of the algorithm, anti-roulette mechanism  was applied into the ABC
    algorithm  to  make  improvements,  aimed at  the "premature"  of the  ABC
    algorithm. After analyzing the results of the simulation, this mechanism
    does not add any time complexity  and  space complexity, which  can
    effectively overcome the shortcomings named “premature”  and
    significantly improved  convergence rate, with less  times of  fitness
    evaluation than the hybrid  ABC algorithm. Finally, the paper  concluded  the
    overview of  the  current developments of the ABC  algorithm, and  had a
    creative outlook of the research direction and the application of the
    algorithm.
    Keywords  Reverse roulette mechanism   Artificial bee colony algorithm  Swarm intelligence   Combination optimal   Fitness evaluation
    目   次
     
    1绪论    1
    1.1 研究背景    1
    1.2 群体智能优化算法    1
    1.3 常见的群智能优化算法   3
    1.4 研究现状    3
    1.5 研究内容和研究意义    4
    1.6 论文的组织结构    5
    2人工蜂群算法简介    6
    2.1 模拟蜜蜂繁殖机理    6
    2.2 模拟蜜蜂觅食机理    6
    2.3 人工蜂群算法的基本原理    7
    2.4 算法控制参数的选择    9
    2.5 人工蜂群算法框架  .  10
    2.6 本章小结  .  11
    3人工蜂群算法在TSP 问题中的应用  .  12
    3.1 TSP 问题概述    12
    3.2 算法改进与实现  .  13
    3.3 仿真验证  .  14
    3.4 本章小结  .  18
    4总结与展望  .  19
    致 谢    20
    参 考 文 献    21
     1  绪论
    1.1  研究背景
         达尔文在其1859 年出版的著作The Origin of Species 中指出，大自然根据“物竞
  1. 上一篇：使用改进Kuramoto模型实现多机器人平衡部署
  2. 下一篇：基于无线通信的可视化测试平台开发

  1. MATLAB永磁同步电机矢量控制模型与算法设计

  2. MEMS基于SHARC型DSP的组合导航算法实现

  3. C#图像预处理算法的研究与实现

  4. 风力发电机仿真平台等效...

  5. 智能汽车电磁导引车控制算法研究与设计

  6. 电磁导引车控制算法研究与设计

  7. 交直流混合输电系统中潮...

  8. 中考体育项目与体育教学合理结合的研究

  9. 杂拟谷盗体内共生菌沃尔...

  10. 十二层带中心支撑钢结构...

  11. 电站锅炉暖风器设计任务书

  12. java+mysql车辆管理系统的设计+源代码

  13. 河岸冲刷和泥沙淤积的监测国内外研究现状

  14. 大众媒体对公共政策制定的影响

  15. 酸性水汽提装置总汽提塔设计+CAD图纸

  16. 乳业同业并购式全产业链...

  17. 当代大学生慈善意识研究+文献综述

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回