论文部分内容阅读
磁性细菌优化算法是近年来提出的一种受到趋磁性细菌的趋磁性现象启发的,基于群体的搜索算法。磁性细菌优化算法具有很好的利用最优个体信息的能力,在解决单目标优化问题上具有很好的性能。本文首先对磁性细菌优化算法的原理做了进一步研究,对其收敛性进行了证明。通过理论与实验分析算法的有效性;其次,针对磁性细菌优化算法的不足,采用不同的相互作用能计算方式和磁小体调节方式,对算法进行了改进;最后,将其拓展到求解约束优化问题以及机器人路径规划问题,对其可行性和有效性进行了探讨。本文主要进行了如下研究:首先,对磁性细菌优化算法的生物学特性进行介绍。磁性细菌优化过程中不断调整磁小体力矩,使之沿着地磁线方向移动,以便获得最小静磁能。此过程即可看为优化问题获得最优解的过程。主要包括磁小体产生、磁小体扩展调节和磁小体替换三个过程,基于此过程,使得群体得到进化,信息得到交换共享。在理论方面,对算法收敛性进行证明。然后通过对不同参数设置进行分析,选取合适的参数。最后在常用的基准测试函数上,通过与经典的算法及其一些目前水平的算法进行比较分析,证实算法求解优化问题的有效性。针对在磁性细菌优化算法进化过程中,多样性迅速降低,易陷入局部最优等问题,为了进一步使得算法的性能有所改进,在磁小体产生和磁小体调节过程,采用不同的方式,提出了三种改进的磁性细菌优化算法,分别为磁性细菌磁矩迁移算法、最好个体引导差分磁性细菌优化算法以及基于随机个体成对机制的磁性细菌优化算法。这些改进算法在解的多样性以及解的寻优能力上有所改进。最后通过对算法的实验比较分析,结果表明改进算法与常见算法比较,在性能上具有一定的优势。针对约束优化问题,提出了基于最好个体差分磁性细菌的约束优化算法。根据种群中含有可行解的比率,分为不可行性情况、部分可行情况和可行情况三种情形。针对三种情形,采用不同的搜索策略,可以迅速找到可行区域,且充分考虑优秀不可行解情况,增强解的多样性。在优化过程早期,当全是不可行解时,主要目的是寻得可行区域,增加可行解所占比率。在种群中存在部分可行解时,不仅要充分利用可行解的信息,还要考虑较好的不可行解的信息,即约束违反程度较小的个体信息,增强解的多样性。在全为可行解时,则可看成无约束优化问题。通过在经典的测试函数上与文献中常用的约束优化算法进行比较,根据仿真结果可看出基于最好个体差分磁性细菌的约束优化算法在求解约束优化问题上具有一定的优势。最后,将最好个体引导差分磁性细菌优化算法应用于求解机器人路径规划问题。简单介绍了常见的机器人路径规划方法。本文采用栅格建模法表示机器人运行的环境空间,对环境进行建模,采用序号标记法进行路径编码。在搜索路径过程中,一条路径表示一个细胞个体,路径上的节点的概率与磁小体中的变量值相对应,然后算法应用于路径的搜索。所提优化算法会通过优化迭代在产生的多条路径中选择一条符合目标条件的最优或者近似最优的路径。对算法采用了路径选择策略和磁小体动态参数调整策略进行改进。实验结果表明所设计的算法在求解路径规划问题上具有一定的优势。