伊藤算法关键技术研究

伊藤算法关键技术研究

论文摘要

伊藤算法以描述布朗运动的伊藤随机过程为基础,是一类新型的元启发式进化算法,其关键问题是漂移算子和波动算子的设计。把伊藤随机过程映射为优化算法,一方而驱使每个粒子能在局部空间内进行搜索寻优,这就是波动算子的设计问题;另一方面驱使粒子群朝着最优解的方向前进,即伊藤过程的宏观趋势项漂移算子的设计问题。伊藤算法在数值优化问题的求解方而有很好的效果,本文以TSP问题为例,研究其求解组合优化问题,提出邻域最优解相关性度量方法,以此为基础,讨论了伊藤算法中漂移算子和波动算子的设计、粒子半径计算方法以及吸引点的选取等,分析了算法在不同参数取值情况下的算法性能以及种群多样性。试验结果表明伊藤算法对对称TSP问题的求解获得了较好的结果,尤其是结合局部搜索算法后其性能得到了很大程度的改进。进一步从理论上分析其收敛性及获得最佳解的平均期望时间。采用随机过程中的鞅理论、马氏过程综合分析单个粒子和粒子系统的动力学行为,证明了伊藤算法的强收敛性。结合图模型得到了伊藤算法在求解一类组合优化问题时期望的时间上界,考虑在参数设置情形下算法功能的变化,演化算法和遗传算法分析中的一些理论可以移植到伊藤算法,从而使其收敛性理论进一步得到丰富。结合CMA-ES等演化策略的思想,在优化基本伊藤算法数学模型和流程的基础上,改进了算法模型的描述,提出了新的离散型伊藤微分公式,即采用离散化的伊藤随机微分公式来描述伊藤算法的迭代过程。基于该模型,我们设计了一种高效的伊藤算法,数值试验表明,改进的算法增强了粒子系统的多样性,更适应于求解复杂函数优化问题。对于有噪声污染的函数优化问题,分析了传统优化方法应用于随机优化存在的问题,针对这些问题,提出了融合元模型的伊藤算法。其中噪声机制的克服不需要模型多次运行,直接基于种群来对函数的Landscape进行平滑处理,从而利用算法的种群特性来降低函数的噪声。试验结果表明:对于小噪声而言,CMA-ES和ITO-MR算法性能相当,对于中等噪声和大噪声而言,ITO-MR算法具有更优的噪声克服性能,而且求解精度高,收敛速度快。

论文目录

  • 摘要
  • Abstract
  • 1 引言
  • 1.1 背景和意义
  • 1.2 元启发式算法研究现状
  • 1.3 主要工作和创新点
  • 1.4 论文的组织结构
  • 2 伊藤算法及其理论分析
  • 2.1 伊藤算法的基本思想
  • 2.1.1 伊藤过程
  • 2.1.2 伊藤过程的抽象
  • 2.1.3 伊藤算法
  • 2.1.4 伊藤算法的框架
  • 2.1.5 伊藤算法理论描述
  • 2.2 伊藤算法关键算子设计
  • 2.2.1 粒子半径
  • 2.2.2 漂移算子
  • 2.2.3 波动算子
  • 2.2.4 环境温度变化的设计
  • 2.2.5 粒子吸引点的设计
  • 2.3 伊藤算法与其他算法的异同
  • 2.3.1 初始化策略
  • 2.3.2 抽样化策略
  • 2.3.3 生成策略
  • 2.4 本章小结
  • 3 求解TSP问题的伊藤算法与性能分析
  • 3.1 引言
  • 3.2 组合优化问题及其有向图模型
  • 3.3 TSP问题及其搜索空间的特征
  • 3.3.1 空间相关性度量搜索
  • 3.3.2 最优解的邻域结构分析
  • 3.4 伊藤算法相关参数的设计与分析
  • 3.4.1 算法思想及流程介绍
  • 3.4.2 粒子半径设计
  • 3.4.3 波动算子设计
  • 3.4.4 漂移算子设计
  • 3.4.5 波动的最大和最小强度的选取
  • 3.4.6 退火表设计
  • 3.5 参数敏感度配置及种群多样性实验
  • 3.5.1 波动下界和上界设置的影响
  • 3.5.2 全局漂移策略和局部漂移策略的影响
  • 3.5.3 种群多样性度量及分析
  • 3.6 实验结果及分析
  • 3.6.1 不同算法的对比实验
  • 3.6.2 融合局部搜索技术的伊藤算法
  • 3.7 收敛性及时间复杂性分析
  • 3.7.1 收敛性分析
  • 3.7.2 时间复杂性分析
  • 3.8 本章小结
  • 4 无噪声环境下伊藤算法性能分析
  • 4.1 引言
  • 4.2 改进的伊藤算法
  • 4.2.1 伊藤算法新的描述模型
  • 4.2.2 选择漂移吸引点
  • 4.2.3 调节扩散系数矩阵
  • 4.3 在BBOB算法测试平台中的实验
  • 4.3.1 参数设置
  • 4.3.2 实验步骤
  • 4.4 实验仿真结果及分析
  • 4.5 本章小结
  • 5 有噪声环境下伊藤算法性能分析
  • 5.1 引言
  • 5.2 协方差矩阵自适应进化策略
  • 5.3 噪声模型分析
  • 5.4 融合元模型的伊藤算法
  • 5.4.1 ITO-MR算法思想
  • 5.4.2 基于元模型噪声克服机制
  • 5.5 实验仿真过程
  • 5.5.1 参数设定
  • 5.5.2 实验结果及分析
  • 5.6 本章小结
  • 附图
  • 6 总结与展望
  • 6.1 主要研究工作
  • 6.2 展望
  • 作者在攻读博士学位期间发表的文章
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].算法多样化在小学数学中的研究[J]. 中国农村教育 2019(26)
    • [2].一种基于分块采样方法的格基约减算法[J]. 密码学报 2019(01)
    • [3].基于改进粒子群算法的飞行器冲突解脱方法研究[J]. 河北科技大学学报 2016(05)
    • [4].基于仿生学的优化算法及其在信号处理中的应用[J]. 数据采集与处理 2018(04)
    • [5].作为算法的法律[J]. 社会科学文摘 2019(04)
    • [6].自动化生物操作算法理论与软件集成[J]. 机械科学与技术 2012(03)
    • [7].作为算法的法律[J]. 清华法学 2019(01)
    • [8].基于吴方法的确定和分类(偏)微分方程古典和非古典对称新算法理论[J]. 中国科学:数学 2010(04)
    • [9].算法、大数据真能消解人文的意义吗?——《未来简史》读后[J]. 南海学刊 2018(04)
    • [10].基于相关性加权的K-means算法[J]. 江西理工大学学报 2018(01)
    • [11].基于Lévy flight的自适应动态增强烟花算法[J]. 计算机应用研究 2018(10)
    • [12].钝头机体用嵌入式大气数据传感系统的改进三点式算法[J]. 力学与实践 2019(02)
    • [13].水电厂经济运行中遗传算法的应用[J]. 福建电脑 2011(06)
    • [14].MD5加随机数算法的研究与应用[J]. 网络安全技术与应用 2019(09)
    • [15].基于改进蚁群算法的聚类分析方法研究[J]. 计算机与数字工程 2018(09)
    • [16].蚁群算法理论及应用研究[J]. 硅谷 2009(03)
    • [17].模拟退化算法在飞机巡航路径问题中的应用[J]. 光电技术应用 2019(04)
    • [18].基于离散混沌蝙蝠算法的测试点选择[J]. 导航与控制 2017(06)
    • [19].基于局部二值模式的改进时空上下文跟踪算法[J]. 半导体光电 2018(03)
    • [20].基于星座距离限制的MIMO检测算法[J]. 现代电子技术 2019(17)
    • [21].算法的教学离不开生活[J]. 新课程学习(上) 2013(05)
    • [22].作为算法的意义——从计算机科学的角度来看意义理论[J]. 心智与计算 2012(02)
    • [23].一种高精度均匀取样算法及其网络应用[J]. 无线电通信技术 2019(01)
    • [24].基于LMS算法的光纤振动预警系统降噪技术研究[J]. 长春理工大学学报(自然科学版) 2018(01)
    • [25].淘汰赛编排算法理论研究[J]. 长沙通信职业技术学院学报 2011(01)
    • [26].基于激活标志位的改进RFID密钥无线生成算法[J]. 计算机应用研究 2019(11)
    • [27].布隆过滤器在网页消重中的应用[J]. 软件 2015(12)
    • [28].S-RFSB算法[J]. 计算机应用研究 2018(01)
    • [29].基于Spark的Slope One算法优化与实现[J]. 软件导刊 2018(06)
    • [30].一种适用于卫星光交换网络的汇聚算法[J]. 移动通信 2018(11)

    标签:;  ;  ;  ;  

    伊藤算法关键技术研究
    下载Doc文档

    猜你喜欢