若干现代最优化技术的应用比较研究

论文摘要

最优化在实际应用中的作用越来越重要,而现代最优化算法作为优化手段和方法在优化过程中是相当的重要的。相对传统的优化算法,现代优化算法的优点显而易见。本文对遗传算法、鱼群算法、群体复合形算法、模拟退火算法和粒子群算法五种算法进行详细论述,并用这五种算法对四个典型的函数和工程实例模型进行了优化,优化结果用图形和表格来表示,总结和分析结果,通过结果来评价算法优劣。然后取其中较优的算法进行改进和结合,同样对锅炉燃烧模型进行优化,并将结果和单个算法优化的结果进行比较。论文在最后进行总结并提出展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 现代最优化技术
• 1.1.1 最优化的意义
• 1.1.2 最优化问题
• 1.1.3 最优化理论的发展历史
• 1.2 优化算法
• 1.2.1 现代优化算法的应运而生
• 1.2.2 算法分类
• 1.2.3 现代新算法和传统算法的比较
• 1.3 本论文的主要工作
• 1.4 本章小结
• 第二章 若干现代最优化算法综述
• 2.1 人工鱼群算法
• 2.1.1 人工鱼群算法的操作过程
• 2.1.2 人工鱼群算法的改进方向
• 2.2 群体复合形算法
• 2.2.1 群体复合形算法的操作过程
• 2.2.2 群体复合形算法的改进方向
• 2.3 模拟退火算法
• 2.3.1 模拟退火算法的操作过程
• 2.3.2 模拟退火算法的改进方向
• 2.4 粒子群算法
• 2.4.1 粒子群算法的操作过程
• 2.4.2 粒子群算法的改进方向
• 2.5 本章小结
• 第三章 遗传算法综述和实例应用
• 3.1 基本遗传算法的构成要素
• 3.1.1 染色体的编码方法
• 3.1.3 选择算子
• 3.1.3 交叉算子
• 3.1.4 变异算子
• 3.1.5 适应度函数
• 3.2 遗传算法的应用举例
• 3.2.1 遗传算法在编码问题中的应用
• 3.2.2 遗传算法在约束优化问题中的应用
• 3.3 遗传算法总结
• 3.4 本章小结
• 第四章 现代优化算法对典型函数优化与比较
• 4.1 优化技术对函数寻优并比较
• 4.1.1 优化技术对典型函数1 的优化
• 4.1.2 优化技术对 Six - Hump Camel - Back函数的优化
• 4.1.3 优化技术对Generalized Rosenbrock 函数的优化
• 4.1.4 优化技术对J . D .Schaffer 函数的优化
• 4.2 算法比较总结
• 4.3 本章小结
• 第五章 现代优化算法的实际工程应用研究
• 5.1 现代优化算法寻优RBF 神经网络权值
• 5.2 现代优化算法优化工程实例模型
• 5.2.1 工程实例模型
• 5.2.2 优化目标的确定
• 5.2.3 三种算法对模型的优化结果
• 5.3 改进后的优化算法对工程实例模型优化
• 5.3.1 遗传算法和粒子群算法结合优化模型
• 5.3.2 遗传算法和人工鱼群算法结合优化模型
• 5.4 本章小结
• 第六章 总结和展望
• 6.1 总结
• 6.1.1 对五种优化算法的理解
• 6.1.2 对优化对象的理解
• 6.2 展望
• 6.3 本章小结
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况