最優(yōu)化在實際應用中的作用越來越重要,而現(xiàn)代最優(yōu)化算法作為優(yōu)化手段和方法在優(yōu)化過程中是相當?shù)闹匾摹Ｏ鄬鹘y(tǒng)的優(yōu)化算法,現(xiàn)代優(yōu)化算法的優(yōu)點顯而易見。本文對遺傳算法、魚群算法、群體復合形算法、模擬退火算法和粒子群算法五種算法進行詳細論述,并用這五種算法對四個典型的函數(shù)和工程實例模型進行了優(yōu)化,優(yōu)化結果用圖形和表格來表示,總結和分析結果,通過結果來評價算法優(yōu)劣。然后取其中較優(yōu)的算法進行改進和結合,同樣對鍋爐燃燒模型進行優(yōu)化,并將結果和單個算法優(yōu)化的結果進行比較。論文在最后進行總結并提出展望。
【學位單位】：華北電力大學（北京）
【學位級別】：碩士
【學位年份】：2008
【中圖分類】：N945.15
【部分圖文】：

因此在搜索理想最小值的時候，當優(yōu)化到平底鍋的底部時，由于比較平緩，再向四周尋找函數(shù)值更小的解時，就比較考驗算法在平緩的坡度找更優(yōu)值的能力。圖(4-7) Six HumpCamel Back函數(shù)的三維立體圖(2)各方法優(yōu)化得到的圖形和結果①人工魚群算法優(yōu)化的圖像和結果魚群算法對函數(shù)2的優(yōu)化結果顯示-16-14-12-10-8-6-4-201 237 473 709 945 1181 1417 1653 1889 2125迭代次數(shù)函數(shù)值系列1
【引證文獻】

相關期刊論文 前1條

1 王麗蓉;;基于群體復合形算法的電站鍋爐燃燒的優(yōu)化[J];電腦知識與技術;2011年28期

相關碩士學位論文 前2條

1 李謙;現(xiàn)代優(yōu)化算法在金融時間序列參數(shù)估計中的應用[D];暨南大學;2011年

2 袁志剛;基于聯(lián)合智能算法和MP的信號稀疏分解[D];西南交通大學;2009年

本文編號：2867710