改进的水循环算法研究与应用

论文摘要

水循环算法是一种抽象于自然界水循环过程的智能优化算法,算法一方面基于河流的引导式前进,能有效避免个体进入非优区域,另一方面存在蒸发的变异过程,有利于算法在寻优时跳出局部最优解,更易寻找全局最优。然而算法的收敛速度和精度仍有一定缺陷,本文以此对水循环算法进行改进研究。针对基本水循环算法的缺陷,本文提出了三点改进思想:首先是基于初始种群的改进,在水循环算法初始化解时,使用反向学习替代传统的随机初始化,用以提高初始种群的均匀性及多样性,提高初始解的质量;其次是基于迭代步长的改进,在迭代过程中,使用指数下降的迭代步长替代原有的固定步长,使算法在迭代前期快速缩小寻优邻域,到了寻优后期,在较小邻域内进行微调,更易获取较优解;最后是基于蒸发过程的改进,使用高斯变异和混沌变异的组合形成自适应降雨过程,实现全局和局部相结合的搜索模式,克服了原有算法多样性较低,收敛速度慢等缺陷。使用基准函数对比测试了改进后的水循环算法与其他算法的性能,通过实验验证了改进后的水循环算法稳定性更好、收敛速度更快、寻优精度更高,总体上该算法寻优效果能力有所提高,且较为明显。针对K-means聚类算法对初值敏感且求解聚类中心的收敛速度慢等问题,利用改进后的水循环算法与其他智能算法对K-means算法的聚类效果进行对比试验,进一步验证了改进后的水循环算法对K-means聚类效果有着较为明显的提升。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 选题背景及研究意义
•     1.1.1 优化问题
•     1.1.2 传统优化方法
•     1.1.3 智能优化方法
•   1.2 水循环算法的国内外研究现状
•     1.2.1 国外研究现状
•     1.2.2 国内研究现状
•   1.3 论文主要内容及组织框架
• 2 相关算法的数学模型
•   2.1 引言
•   2.2 经典智能优化算法
•     2.2.1 蚁群算法
•     2.2.2 粒子算法
•   2.3 基本水循环算法
•     2.3.1 降雨初始化
•     2.3.2 汇流更新
•     2.3.3 蒸发和降水
•     2.3.4 基本水循环算法的计算框架
•   2.4 本章小结
• 3 改进的水循环算法
•   3.1 改进水循环算法
•     3.1.1 反向学习的初始化
•     3.1.2 指数下降的迭代步长
•     3.1.3 高斯变异和混沌扰动的自适应蒸发过程
•   3.2 改进水循环算法的计算框架
•   3.3 本章小结
• 4 算法的性能测试
•   4.1 实验环境
•   4.2 测试基准函数
•   4.3 算法参数设置
•   4.4 实验结果与分析
•   4.5 本章小结
• 5 改进水循环算法在聚类分析中的应用
•   5.1 引言
•   5.2 K-means聚类算法
•   5.3 基于改进水循环算法的K-means描述
•   5.4 仿真实验
•     5.4.1 实验环境
•     5.4.2 测试数据集
•     5.4.3 算法参数设置
•     5.4.4 实验结果与分析
•   5.5 本章小结
• 6 总结与展望
•   6.1 总结
•   6.2 展望
• 致谢
• 参考文献
• 附录

文章来源

类型: 硕士论文

作者: 张金钟

导师: 张卫国

关键词: 水循环算法,反向学习,高斯变异,混沌变异

来源: 西安科技大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 西安科技大学

分类号: O224;TP18

总页数: 65

文件大小: 10106K

下载量: 104