论文部分内容阅读
最优化是一个重要的数学分支,也是一门应用相当广泛的学科,最优化的目的是对于给出的实际问题,从众多方案中选择出最优方案。在最近的二、三十年中,伴随着计算机技术的高速发展和优化计算方法的进步,各种优化问题的理论研究发展迅速,新方法不断出现,实际应用日益广泛。如遗传算法、进化规划、进化策略等。蚁群算法是最近几年才提出的一种新型的模拟进化算法,在该算法中,可行解经过多次迭代后,最终将以最大的概率逼近问题的最优解。蚁群算法是一种适于求解复杂组合优化问题的新型模拟进化算法,除离散型的组合优化问题外,蚁群算法也可用于求解连续空间函数优化问题,它具有许多优良性质和实际应用价值。本文以基本蚁群算法的性能分析为背景,探讨了蚁群算法的原理、构成、性能及其特点。提出了一种改进的蚁群算法,并将其用于求解连续空间函数优化问题和工程控制过程中PID控制器参数优化中的应用,实验证明了此改进算法的可行性。主要内容如下:1.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状况,指出其在解决组合优化问题方面的优越性,以及在解决连续空间优化问题研究方面的不足;介绍了蚁群算法基本模型AS(Ant System)的原理、特点、构成和实现方法,并且综述了目前用于连续空间优化的蚁群算法的改进技术。2.由于最初的蚁群算法思想起源于离散型的网络路径问题,因此,在一般函数的优化问题中,必须对原蚁群算法数学模型的许多实施细节进行修正,在总结和分析已有研究成果的基础上,对连续空间蚁群算法CACA数学模型的许多实施细节进行休整,包括解空间的分区数、搜索蚂蚁群体数及其他参数选择。3.针对蚁群在解空间作随机搜索的局限性,引入确定性搜索方法变尺度法,提出了改进蚁群算法VACA。将改进算法模型应用于一维和多维连续函数优化中,并与CACA的仿真结果进行比较,以证明算法的有效性。4.因此本文应用改进蚁群算法对热工控制系统中控制器各参数进行优化整定,并与Ziegler-Nichols算法和CACA算法的仿真结果进行比较,来证明改进蚁群算法在实际应用中的有效性,表明该算法优化效率和求解质量上都有所提高。蚁群算法是一种随机搜索算法,它具有许多优良性质,它比目前应用广泛的遗传算法等具有更好的适应性。蚁群算法已经在若干领域获得了成功的应用,但仍有许多尚待研究和解决的课题。蚁群算法出现的时间不长,对其研究还远不像其它启发式算法那样形成系统的理论。算法中参数的选择更多的是依靠实验和经验,没有理论来指导,且计算时间偏长,容易出现停滞现象,这些都表明该算法在理论和实践方面尚有许多问题需要更深入的研究与解决。