| 【中文题名】 | 混沌蚂蚁群优化算法及其应用研究 |
| 【英文题名】 | Research of Chaotic Ant Swarm Optimization Algorithm and Its Applications |
| 【学科专业】 | 系统工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-8-25 |
| 【中关键词】 | 混沌,群智能优化,模糊系统,PID参数整定,自适应控制, |
| 【英关键词】 | Chaos,Swarm Intelligence,Fuzzy System,Tuning of PID Parameters,Adaptive Control, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 现有的受蚂蚁种群行为启发而产生的优化算法,大多都是基于随机搜索机制的非确定性的概率理论发展而来的。但是近年来生物学家Cole发现整个蚁群行为是一种周期行为,然而单个蚂蚁的行为却是混沌的。显然混沌现象用Dorigo依据概率理论建立的蚁群优化模型是无法解释的。单个蚂蚁的混沌行为与群体的自组织和捕食行为之间是一种什么关系,这一点目前并没有引起国际群智能理论研究者广泛的关注。
受蚂蚁的混沌行为和自组织行为的启发,本文将蚂蚁混沌动力学、群组织和优化机制进行有机的结合,首先提出了一个新的群智能优化模型,详细分析了这个模型的动力学行为,然后将其成功的应用到几个不同的领域,并且取得了很好的效果,从而形成了一个新的关于群智能优化和混沌优化算法的详细理论。论文主要研究内容如下:
首先,基于群智能理论和混沌理论,给出了一个新的算法模型,即混沌蚂蚁群优化算法模型,讨论了邻居间的信息交换,分析了模型的动力学行为,并成功地应用于函数优化问题,在相同条件下与粒子群和凯尔曼群的结果作了比较。同时讨论了算法与其他混沌优化算法、蚁群算法和粒子群算法的异同。
其次,将混沌蚂蚁群优化算法成功的应用于神... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-11 |
|
1 绪论 |
11-21 |
|
1.1 群智能理论简介 |
11-13 |
|
1.2 群智能研究概况 |
13-17 |
|
1.2.1 蚁群智能算法 |
13-17 |
|
1.2.2 粒子群优化算法 |
17 |
|
1.3 研究的目的和意义 |
17-18 |
|
1.4 论文的主要工作和结构安排 |
18-21 |
|
2 混沌理论 |
21-29 |
|
2.1 混沌理论概述 |
21-22 |
|
2.2 混沌理论的三个核心概念 |
22-23 |
|
2.3 混沌学与非线性动力学系统 |
23-25 |
|
2.4 混沌优化 |
25-29 |
|
2.4.1 数值函数问题的混沌优化理论研究 |
25-26 |
|
2.4.2 组合问题的混沌优化理论研究 |
26-29 |
|
3 基于蚂蚁混沌行为的优化算法 |
29-47 |
|
3.1 引言 |
29-30 |
|
3.2 蚂蚁的混沌行为和自组织行为 |
30-31 |
|
3.3 混沌蚂蚁群算法的数学模型 |
31-35 |
|
3.4 蚂蚁的邻居以及蚂蚁间的信息交流方式 |
35-37 |
|
3.5 混沌蚂蚁群模型的非线性动力学行为 |
37-40 |
|
3.6 混沌蚂蚁群模型在数值函数优化中的应用 |
40-41 |
|
3.7 讨论与小结 |
41-47 |
|
4 混沌蚂蚁群算法设计模糊系统与训练神经网络系统 |
47-56 |
|
4.1 混沌蚂蚁群算法设计模糊系统 |
47-53 |
|
4.1.1 引言 |
47 |
|
4.1.2 设计模糊系统 |
47-48 |
|
4.1.3 在非线性动态系统辨识中的应用 |
48-50 |
|
4.1.4 在自适应控制系统中的应用 |
50-51 |
|
4.1.5 用于自适应控制的数值仿真结果 |
51-53 |
|
4.2 混沌蚂蚁群算法训练神经网络 |
53-55 |
|
4.3 本章小结 |
55-56 |
|
5 基于CAS算法的PID整定及混沌系统参数辨识 |
56-63 |
|
5.1 利用CAS算法进行PID参数整定 |
56-59 |
|
5.1.1 优化模型的建立 |
56-57 |
|
5.1.2 数值试验 |
57-59 |
|
5.1.3 小结 |
59 |
|
5.2 利用CAS算法进行混沌系统参数辨识 |
59-63 |
|
5.2.1 引言 |
59 |
|
5.2.2 Lorenz混沌系统的参数估计 |
59-60 |
|
5.2.3 系统仿真实例 |
60-62 |
|
5.2.4 小结 |
62-63 |
|
6 结论 |
63-64 |
|
参考文献 |
64-71 |
|
在学研究成果 |
71-72 |
|
致谢 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.387884 |
