亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一類基于動(dòng)態(tài)優(yōu)化問(wèn)題的混沌猴群算法

        2013-12-23 06:27:52齊艷玉蘭燕飛
        關(guān)鍵詞:猴群智能算法動(dòng)態(tài)

        齊艷玉,蘭燕飛

        (天津大學(xué) 系統(tǒng)工程研究所,天津300072)

        一些性能優(yōu)異的啟發(fā)式智能算法,如遺傳算法(GA)[1-4]、粒子群算法(PSO)[5]和人工神經(jīng)網(wǎng)絡(luò)(ANN)[6-7]等在很大程度上增強(qiáng)了人類對(duì)復(fù)雜優(yōu)化問(wèn)題的求解能力,已在各個(gè)領(lǐng)域得到了廣泛應(yīng)用。但這些算法幾乎毫無(wú)例外地都很難逃脫所謂的“維數(shù)災(zāi)難”問(wèn)題,在實(shí)際應(yīng)用中也受到諸多限制。2008 年ZHAO 和TANG[8]提出一種新的用于求解大規(guī)模、多峰優(yōu)化問(wèn)題的智能優(yōu)化算法,即猴群算法(MA)。隨后,郝士鵬[9]結(jié)合猴群算法和混沌搜索技術(shù),提出了混沌猴群算法(CMA)。基于混沌的遍歷性及不重復(fù)性而提出的混沌搜索技術(shù)比傳統(tǒng)的隨機(jī)搜索技術(shù)速度更快,質(zhì)量更高,將混沌搜索技術(shù)引入到MA 中在很大程度上避免了猴群算法陷入局部最優(yōu)。作為一種智能算法,MA 及其改進(jìn)算法能夠有效地求解高維、非線性不可微的函數(shù)優(yōu)化問(wèn)題,并且MA 需要調(diào)整的參數(shù)也少,這使得MA 易于實(shí)現(xiàn),具有廣闊的應(yīng)用前景。文獻(xiàn)[10]在利用模糊模擬技術(shù)來(lái)估計(jì)目標(biāo)函數(shù)中模糊事件可信性的基礎(chǔ)上設(shè)計(jì)了基于模糊模擬的猴群算法來(lái)對(duì)無(wú)約束優(yōu)化問(wèn)題進(jìn)行求解,并獲得了原模糊約束滿足問(wèn)題的約束一致解。文獻(xiàn)[11]針對(duì)項(xiàng)目進(jìn)度問(wèn)題的模糊相關(guān)機(jī)會(huì)規(guī)劃模型設(shè)計(jì)了猴群算法的模糊模擬求解方法。文獻(xiàn)[12]針對(duì)入侵檢測(cè)系統(tǒng)存在高漏報(bào)率的問(wèn)題,提出了一種基于猴群算法的入侵檢測(cè)技術(shù),改進(jìn)了生成規(guī)則的質(zhì)量,提高了入侵檢測(cè)系統(tǒng)的檢測(cè)率。文獻(xiàn)[13]結(jié)合輸電網(wǎng)擴(kuò)展規(guī)劃問(wèn)題的特點(diǎn)提出了求解含有離散變量?jī)?yōu)化問(wèn)題的離散猴群算法(DMA)。然而,由于MA 出現(xiàn)的時(shí)間較短,對(duì)MA 及其改進(jìn)算法的應(yīng)用研究還較少。筆者擬設(shè)計(jì)一種適用于求解動(dòng)態(tài)規(guī)劃問(wèn)題的智能算法,鑒于CMA 在問(wèn)題求解的性能方面更優(yōu)于MA,因此,選用CMA 設(shè)計(jì)了求解一類動(dòng)態(tài)規(guī)劃問(wèn)題的混沌猴群算法。

        1 一類動(dòng)態(tài)優(yōu)化問(wèn)題的模型

        動(dòng)態(tài)優(yōu)化問(wèn)題廣泛存在于工程實(shí)際和日常生活中,其最優(yōu)解會(huì)因?yàn)槟繕?biāo)函數(shù)、環(huán)境參數(shù)或者約束條件的變化而隨時(shí)發(fā)生變化,因此,在解決這些動(dòng)態(tài)優(yōu)化問(wèn)題時(shí),需要一類功能強(qiáng)大的智能算法對(duì)變化做出準(zhǔn)確響應(yīng),并及時(shí)地做出新環(huán)境下的最優(yōu)或滿意決策。

        目前,對(duì)動(dòng)態(tài)優(yōu)化問(wèn)題的求解,一方面,由于實(shí)際系統(tǒng)的復(fù)雜性較難得到解析解,另一方面,借助計(jì)算機(jī)應(yīng)用智能算法求解的研究很少,因此,需利用性能優(yōu)越的智能算法去求解動(dòng)態(tài)優(yōu)化問(wèn)題。

        考慮如下一類動(dòng)態(tài)優(yōu)化問(wèn)題的基本模型[14]:

        求解最優(yōu)控制問(wèn)題,傳統(tǒng)方法包括變分法、最大(最小值)原理、動(dòng)態(tài)規(guī)劃等。對(duì)于一些復(fù)雜的實(shí)際問(wèn)題,有時(shí)利用傳統(tǒng)方法很難求得解析解,然而,實(shí)際應(yīng)用中人們需要得到的往往只是一些階段的數(shù)值解,因此,智能算法作為一種新的求解方法被用來(lái)幫助尋找數(shù)值解。

        2 一類動(dòng)態(tài)優(yōu)化問(wèn)題的混沌猴群算法

        2.1 混沌猴群算法

        猴群算法是一種新的用于求解大規(guī)模、多峰優(yōu)化問(wèn)題的智能優(yōu)化算法,其思想在于通過(guò)模擬自然界中猴群爬山過(guò)程設(shè)計(jì)了爬、望和跳這3 個(gè)過(guò)程。郝士鵬結(jié)合猴群算法和混沌搜索技術(shù)提出了一種改進(jìn)的、性能更加優(yōu)越的猴群算法,稱為混沌猴群算法CMA,主要包括混沌初始化、步長(zhǎng)遞減的爬過(guò)程、參數(shù)遞增的混沌望過(guò)程和邊緣跳過(guò)程4 個(gè)步驟。

        2.2 模型的離散化處理

        計(jì)算機(jī)所處理的數(shù)據(jù)是數(shù)字量,它不僅在數(shù)值上是整量化的,而且在時(shí)間上是離散化的,因此在利用CMA 進(jìn)行求解之前,先對(duì)模型進(jìn)行離散化處理。離散是按一個(gè)等樣采樣周期t 的采樣過(guò)程處理,即將t 變?yōu)閗t(k=0,1,2,…,為一正整數(shù))。控制變量u(t)被認(rèn)為僅在采樣時(shí)刻發(fā)生變化,在相鄰兩采樣時(shí)刻之間,u(t)是通過(guò)零階保持器保持不變的,且等于前一采樣時(shí)刻之值,即在kt 和(k+1)t 之間,u(t)=u(kt)=常數(shù)。式(1)通過(guò)離散化,可轉(zhuǎn)化為如下形式[15]:

        經(jīng)離散化后,可以看出,原問(wèn)題變?yōu)橐粋€(gè)多維的優(yōu)化問(wèn)題,由于CMA 在求解多維優(yōu)化問(wèn)題上的優(yōu)越性,因此可采用CMA 對(duì)其求解。

        2.3 混沌猴群算法求解動(dòng)態(tài)優(yōu)化問(wèn)題

        (1)解的表示。令正整數(shù)M 為猴群的規(guī)模,xi=(xi1,xi2,…,xin),i=1,2,…,M,xi表示第i 個(gè)猴子的當(dāng)前位置,每只猴子的位置對(duì)應(yīng)優(yōu)化問(wèn)題的一個(gè)決策向量。在式(2)中,決策向量為u =(u1,u2,…,uN),令M =5,則向量ui= (ui1,ui2,…,uiN),i=1,2,…,5,表示5 只猴子的位置,同時(shí)又可以視為式(2)的5 個(gè)解。

        (2)混沌初始化。郝士鵬采用Logistic 函數(shù)y(k+1)=4y(k)(1-y(k))產(chǎn)生混沌變量來(lái)進(jìn)行初始化,其中,y 為混沌變量,k 為迭代次數(shù)。但是Logistic 函數(shù)只有當(dāng)初值y0?{0.00,0.25,0.50,0.75}時(shí),混沌變量y(k)的軌跡才可以遍歷整個(gè)值域范圍。筆者采用一個(gè)遍歷性更好且沒(méi)有初始值限制的混沌函數(shù)y(k+1)=sin 2/y(k)來(lái)對(duì)模型的解進(jìn)行初始化。在值域[a,b]內(nèi)產(chǎn)生混沌變量的步驟如下:①令k=0,且設(shè)置y(0)的初始值;②利用混沌函數(shù)y(k+1)=sin 2/y(k)產(chǎn)生下一次迭代后的混沌變量值;③利用線性變換公式u(k)=a +y(k)(b-a)將混沌變量的值域轉(zhuǎn)換到優(yōu)化問(wèn)題的定義域內(nèi);④若達(dá)到規(guī)定最大迭代次數(shù),則終止;否則,令k =k+1,返回步驟②。

        uij(i=1,2,…,M,j=1,2,…,N)的初始值通過(guò)在[a,b]上循環(huán)迭代產(chǎn)生混沌變量。

        (4)參數(shù)遞增的混沌望過(guò)程。經(jīng)過(guò)爬過(guò)程之后,每只猴子都達(dá)到了各自所在山峰的頂處,即目標(biāo)函數(shù)達(dá)到了局部最優(yōu)。望過(guò)程是用來(lái)觀察周圍鄰近區(qū)域是否存在比當(dāng)前位置更高的山峰,若存在,則跳過(guò)去。CMA 設(shè)計(jì)了一種逐漸遞增的視野參數(shù)β 與遞增的望時(shí)間ω 來(lái)達(dá)到算法的收斂速度和解的質(zhì)量與CPU 的耗費(fèi)時(shí)間的平衡:β(k+1)=ρβ(k),ω(k+1)=φω(k),其中,ρ 和φ 為遞增因子,k 為循環(huán)次數(shù)。

        (5)邊緣跳過(guò)程。假設(shè)經(jīng)過(guò)望過(guò)程后猴子已經(jīng)不能在其視野范圍內(nèi)找到更好的位置,邊緣跳過(guò)程的主要目的在于搜索由當(dāng)前區(qū)域轉(zhuǎn)移到新的區(qū)域,猴子跳的方向?yàn)檠刂赶蚝锶褐c(diǎn)的方向跳到視野的最邊緣處。

        (6)終止。經(jīng)過(guò)步長(zhǎng)遞減的爬過(guò)程、參數(shù)遞增的混沌望過(guò)程和邊緣跳過(guò)程之后,完成了一次完整的循環(huán),在達(dá)到預(yù)設(shè)的循環(huán)次數(shù)之后,CMA將終止。

        3 數(shù)值算例

        考慮如下例子:

        對(duì)式(3)求解的CMA 用C + +語(yǔ)言實(shí)現(xiàn),參數(shù)的設(shè)置見(jiàn)表1,結(jié)果見(jiàn)表2。

        表1 CMA 的參數(shù)

        表2 例子的結(jié)果

        J 的最優(yōu)值為0,由表2 可以看出,用CMA 計(jì)算出的結(jié)果非常接近最優(yōu)值,并且N 越大,結(jié)果越精確,可以根據(jù)實(shí)際需要選擇合適的N 值,圖1為N=10 時(shí)的控制函數(shù)u(t)的曲線。

        圖1 控制函數(shù)u(t)的曲線

        4 結(jié)論

        筆者介紹了CMA 在求解動(dòng)態(tài)優(yōu)化問(wèn)題中的應(yīng)用,給出了詳細(xì)的求解方法,并通過(guò)一個(gè)算例驗(yàn)證了方法的可行性。由于MA 及其改進(jìn)算法CMA 是一種性能良好的智能算法,在實(shí)際應(yīng)用中有廣闊的應(yīng)用前景,因此關(guān)于MA 及其改進(jìn)算法的研究和應(yīng)用還有大量的工作要做。

        [1] HOLLAND J H. Adaptation in natural and artificial systems[M]. Michigan: University of Michigan Press,1975:12-98.

        [2] CHANG T J,YANG S C,CHANG K J.Portfolio optimization problems in different risk measures using genetic algorithm[J]. Expert Systems with Applications,2009,36(7):10529-10537.

        [3] IP W H,HUANG M,YUNG K L,et al. Genetic algorithm solution for a risk-based partner selection problem in a virtual enterprise[J]. Computers & Operations Research,2003,30(2):213-231.

        [4] WU Q H,CAO Y J,WEN J Y.Optimal reactive power dispatch using an adaptive genetic algorithm[J]. International Journal of Electrical Power Energy Systems,1998,20(8):563-569.

        [5] KENNEDY J,EBERHART R C.Particle swarm optimization[C]//IEEE International Conference on Neural Networks. Perth:[s.n.],1995:1942-1948.

        [6] HAGAN M T,DEMUTH H B.Neural networks for control[C]//Proceedings of the 1999 American Control Conference.[S.l.]:[s.n.],1999:1642-1656.

        [7] HOPFIELD J J.Neural networks and physical systems with emergent collective computational properties[C]//Proceedings of the National Academy of Sciences.[S.l.]:[s.n.],1982:2554-2558.

        [8] ZHAO R Q,TANG W S. Monkey algorithm for global numerical optimization[J]. Journal of Uncertain Systems,2008,2(3):164-175.

        [9] 郝士鵬.混沌猴群算法及其應(yīng)用[D].天津:天津大學(xué)圖書(shū)館,2010.

        [10]趙瑞清,郝士鵬. 一類新的模糊約束滿足問(wèn)題的建模與求解[J].系統(tǒng)工程學(xué)報(bào),2010,25(3):415-420.

        [11]趙濤,夏雨,宗瑪利.基于猴群算法的加氣站項(xiàng)目進(jìn)度研究[J].價(jià)值工程,2010,29(8):90-92.

        [12]張佳佳,張亞平,孫濟(jì)洲.基于猴群算法的入侵檢測(cè)技術(shù)[J].計(jì)算機(jī)工程,2011,37(14):131-133.

        [13]王靖然,余貽鑫,曾沅.離散猴群算法及其在輸電網(wǎng)擴(kuò)展規(guī)劃中的應(yīng)用[J]. 天津大學(xué)學(xué)報(bào),2010,43(9):798-803.

        [14]劉豹,唐萬(wàn)生. 現(xiàn)代控制理論[M]. 北京:機(jī)械工業(yè)出版社,2006:23-104.

        [15]老大中.變分法基礎(chǔ)[M]. 北京:國(guó)防工業(yè)出版社,2006:76-132.

        猜你喜歡
        猴群智能算法動(dòng)態(tài)
        沐猴而冠
        國(guó)內(nèi)動(dòng)態(tài)
        國(guó)內(nèi)動(dòng)態(tài)
        神經(jīng)網(wǎng)絡(luò)智能算法在發(fā)電機(jī)主絕緣狀態(tài)評(píng)估領(lǐng)域的應(yīng)用
        國(guó)內(nèi)動(dòng)態(tài)
        基于超像素的圖像智能算法在礦物顆粒分割中的應(yīng)用
        動(dòng)態(tài)
        猴子吃靈芝
        懸崖上的猴群
        從雞群算法看群體智能算法的發(fā)展趨勢(shì)
        疯狂做受xxxx高潮视频免费| 日本一区二区视频免费观看| 亚洲蜜臀av一区二区三区漫画| 国产高清一区二区三区四区色| 丰满爆乳在线播放| 国产羞羞视频在线观看| 久久午夜伦鲁鲁片免费| 日本精品免费看99久久| 777米奇色8888狠狠俺去啦| 性夜夜春夜夜爽aa片a| 国产激情一区二区三区在线蜜臀| 青青草视频在线观看入口| 国产卡一卡二卡3卡4乱码| 亚洲av无码av吞精久久| 亚洲最稳定资源在线观看| 日本视频一区二区三区在线| 337p日本欧洲亚洲大胆| 免费无码成人av在线播| 熟女少妇av免费观看| 国产激情自拍在线视频| 又大又紧又粉嫩18p少妇| 99热在线精品播放| 丝袜美腿亚洲综合玉足| 人妻精品在线手机观看| 又粗又硬又黄又爽的免费视频| 欧美韩国精品另类综合| 日本一区二区三区在线视频播放| 亚洲成av人在线观看网址| 国产精品区一区第一页| av在线免费观看你懂的| 日本黑人亚洲一区二区| 成人毛片一区二区| 粉嫩极品国产在线观看| 亚洲人妻御姐中文字幕| 亚洲av成人片无码网站| 伊伊人成亚洲综合人网7777 | 国产精品亚洲片夜色在线| 国产一区在线视频不卡| 中文字字幕人妻中文| 亚洲国产成人久久综合一区77 | 国产精品无码一区二区在线国|