导 师: 李荣钧
学科专业: G11
授予学位: 博士
作 者: ;
机构地区: 华南理工大学
摘 要: 优化问题是人们在科学研究和生产实践中经常遇到的问题,人们已经对大量的最优化问题进行了深入的研究,并将其拓展成为了一门重要的学科门类。传统以梯度为基础的最速下降法、线性规划、单纯形方法等优化方法,在问题的目标函数是凸集、连续可微可导等情况下,具有较高的计算效率。但在实际应用的物流配送中心的选址、设备资源的最优分配、车间在制品的产品调度与布局等领域中,出现了许多大规模、非线性、多极值、多约束、非凸性等现象,这就使得传统的优化方法难以进行数学建模,从而给以仿生为特征的群智能计算方法提供了广阔的应用舞台,并诞生了一批模拟生物行为的“启发式方法”,这其中的典型代表包括遗传算法GA、蚁群优化算法ACO、粒子群优化算法PSO和细菌觅食优化算法BFO等。相关研究表明,现有群智能算法或多或少地存在着“早熟”、“晚熟”甚至“不熟”的收敛性缺陷与问题,因此许多学者将视角瞄向了在不同的群智能算法之间取长补短,确定改进各种优化算法性能的方式与途径。在以上主要的群体智能优化算法中,GA、ACO、PSO都是基于高等生物作为启发对象,形成的一种“生成+检验”为特征的自适应人工智能计算技术,而BFO等算法,则是从微生物的行为机制出发,通过模拟细菌对环境感知的变化,而形成的一种新优化方法。由于微生物智能仿生技术问世的时间太短,国际学术界目前对BFO等相关研究尚有许多空白,这一新型的智能仿生算法还远未获得学术界应有的足够重视。因此,本文尝试对微生物的行为机制及其生理特性进行建模仿真,探讨这一新型智能计算方法的改进方式,从而丰富仿生优化算法中的微生物智能计算这一领域,继而对其他仿生优化算法提供一定意义上的技术借鉴,为本文提供针对现有生物体系优化算法�
关 键 词: 仿生优化 细菌觅食优化算法 群体协作 生物进化 分布估计 作业调度 神经网络
领 域: [自动化与计算机技术] [自动化与计算机技术]