改进蚁群算法的研究及应用

论文摘要

随着优化问题复杂程度和规模的不断提高,使用某一单一优化算法得到满意解的问题变得越来越困难,单纯依靠改进算法的某些参数或指标已经显得力不从心。因此,利用算法之间的融合来解决优化问题是研究的热点。本文以基本蚁群算法性能分析为背景,探讨了蚁群算法的原理、性能、改进,提出了一种在连续空间优化问题中的改进蚁群算法模型,给出了改进蚁群算法的收敛性证明,并通过实例分析了改进后的蚁群算法在连续空间的优化性能,并将其应用于图像匹配中。主要内容如下:首先综述了蚁群算法的生物学机理、发展过程、算法特点及其研究和应用情况。介绍了蚁群算法基本模型的原理、特点和实现方法,并介绍了目前针对基本蚁群算法不足所提出的改进措施。同时,概述了人工鱼群算法的基本思想、特点和研究现状。其次针对蚁群算法的不足和人工鱼群算法的特点,将两种算法进行有效的结合,提出了一种改进的蚁群算法。并通过对一些测试函数进行仿真实验,结果表明了该算法的可行性和有效性。同时,对改进后蚁群算法的收敛性进行了证明。第三根据蚁群算法的聚类特性,将其应用于图像匹配中,仿真实验结果表明算法的可行性。最后总结了本论文的研究工作并提出今后有待研究的相关课题。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景和意义
• 1.2 蚁群算法的特点
• 1.3 蚁群算法的改进研究
• 1.4 连续优化问题的蚁群算法
• 1.4.1 连续优化问题简介
• 1.4.2 蚁群算法在连续域优化问题中的研究进展
• 1.4.3 蚁群算法求解连续对象优化需要解决的问题
• 1.5 蚁群算法的国内外研究现状
• 1.5.1 一般优化算法的研究现状
• 1.5.2 蚁群算法的研究现状
• 1.6 本文的主要内容
• 第二章 蚁群算法概述
• 2.1 蚁群算法的生物学原理
• 2.2 蚁群算法的基本思想
• 2.3 基本蚁群算法模型及实现
• 2.4 算法分析
• 2.5 蚁群算法与其他搜索算法的比较
• 2.6 蚁群算法的应用
• 第三章 人工鱼群算法概述
• 3.1 人工鱼群算法描述
• 3.2 相关定义
• 3.3 行为描述
• 3.4 算法描述
• 3.5 算法的全局收敛性
• 3.6 算法中各参数对收敛性能的影响
• 第四章 混合蚁群算法的研究
• 4.1 一般函数优化问题描述
• 4.2 混合蚁群算法
• 4.2.1 蚁群算法的改进思路
• 4.2.2 改进算法的步骤
• 4.2.3 仿真计算
• 4.3 小结
• 第五章 蚁群算法的收敛性证明
• 5.1 蚁群算法收敛性概述
• 5.2 蚁群算法收敛性证明简介
• 5.3 改进的蚁群算法的收敛性证明
• 第六章 蚁群算法在图像匹配中的应用
• 6.1 引言
• 6.2 图像匹配的发展和现状
• 6.3 图像匹配过程中需要注意的问题
• 6.4 蚁群算法在图像匹配中的应用研究
• 6.4.1 蚁群聚类算法描述
• 6.4.2 改进的蚁群聚类算法
• 6.5 改进蚁群算法在图像匹配中的应用
• 6.6 仿真计算
• 6.7 小结
• 第七章 总结
• 参考文献
• 在学研究成果
• 致谢