混合蛙跳算法改进及控制参数优化仿真研究

论文摘要

2000年提出的混合蛙跳算法是一种新的智能优化算法,它的基本思想来源于文化基因传承,其显著特点是具有局部搜索与全局信息混合的协同搜索策略。经过大量仿真测试表明,解决高维、病态、多局部极值等函数问题混合蛙跳算法具有优越性,是一种行之有效的优化技术。本文从基本混合蛙跳算法的原理、步骤以及参数选择对算法的影响等方面出发,通过多个具有典型特征的无约束基准测试函数对混合蛙跳算法进行仿真测试,并与粒子群算法、遗传算法两经典算法对比,来考查算法的优化性能。混合蛙跳算法虽然具有易理解,参数少等优点,但是存在不易跳出局部最优,收敛速度慢等问题。针对这些不足,本文对算法提出三种改进思想:首先设计了两种基于算法局部搜索策略的改进算法。一种是利用种群最优个体和局部最优个体二者以一定的随机比例同时影响文化基因体中的最差青蛙个体,建立新的个体进化公式,来更新最差个体位置。另一种针对局部搜索的每次独立进化同时更新几个适应度较差的个体,使文化基因体整体快速的到达最优位置。这两种算法均针对局部搜索部分的单一进化给予改进,仿真结果表明,两种改进策略提高了算法的求解速度,有效性也有所加强。然后将量子算法与混合蛙跳算法相结合,提出了量子蛙跳算法。它用量子位的概率幅构造青蛙个体,量子旋转门改变量子比特的相位以更新个体,量子非门对种群最优个体进行变异,最终实现寻优。经过测试认为它的收敛速度快,求解成功率高,有效性好。为了验证量子蛙跳算法和基本混合蛙跳算法在控制工程领域的优化性能,用它们解决PID控制器参数整定和模糊控制器参数优化问题。通过与粒子群算法、遗传算法的仿真结果对比,认为量子蛙跳算法在控制领域的应用具有让人满意的表现。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 最优化问题
• 1.1.2 智能优化算法
• 1.2 混合蛙跳算法研究现状
• 1.2.1 混合蛙跳算法的改进
• 1.2.2 混合蛙跳算法的应用
• 1.3 本文主要研究内容
• 第2章 基本混合蛙跳算法的原理与实现步骤
• 2.1 引言
• 2.2 文化基因传承
• 2.3 基本原理
• 2.3.1 粒子群算法与SCE 算法
• 2.3.2 混合蛙跳算法的原理分析
• 2.4 算法的步骤
• 2.5 算法的优化参数
• 2.6 算法的特点
• 2.7 本章小结
• 第3章 混合蛙跳算法的仿真研究
• 3.1 引言
• 3.2 求解无约束基准测试函数
• 3.2.1 无约束基准测试函数介绍
• 3.2.2 参数设置与评价标准
• 3.2.3 仿真结果及其分析
• 3.3 参数选择分析
• 3.3.1 优化参数仿真实验及数据分析
• 3.3.2 关于选择参数的小结
• 3.4 本章小结
• 第4章 混合蛙跳算法的改进设计
• 4.1 引言
• 4.2 基于局部搜索策略的混合蛙跳算法改进
• 4.2.1 改进算法GSFLA
• 4.2.2 改进算法DSFLA
• 4.3 量子蛙跳算法
• 4.3.1 量子计算相关概念
• 4.3.2 量子遗传算法
• 4.3.3 量子蛙跳优化算法
• 4.4 改进算法的仿真与分析
• 4.5 本章小结
• 第5章 量子蛙跳算法在控制参数优化中的应用
• 5.1 引言
• 5.2 优化PID 控制器参数
• 5.2.1 PID 控制原理
• 5.2.2 算法优化仿真及结果分析
• 5.3 模糊控制器参数整定
• 5.3.1 能够自寻优的模糊控制规则
• 5.3.2 参数整定仿真及结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢