基于Householder变换的光线寻优自适应算法

发布时间：2022-01-16 01:23

　　最优化问题广泛存在于现代工程、经济管理、控制科学、设计规划领域,最优化方法是近几十年来发展迅猛的一个数学分支。随着计算机科学和人工智能技术的发展和应用,最优化理论和方法不断得到普及和发展,已经成为科研人员和管理人员必备的知识。由于最优化问题的复杂程度不断加深,传统优化方法仅能求出优化问题的局部极小点,并且求解的结果依赖初始条件,不再适用于求解一些高维度、多参数、大数据量的问题。因此,一些通过借鉴自然界中的优化现象的智能优化算法逐渐被提出。光线寻优算法（Light Ray Optimization Algorithm,LRO）,是一种利用光的传播规律进行寻优的智能优化算法,由哈尔滨工程大学沈继红教授于2007年提出,理论基础为几何光学中的费马原理以及折射定律与反射定律。论文的主要工作内容有三个:第一,分析光线寻优算法中搜索位置和方向的更新规则,提出算法在迭代过程中存在为了达到全反射条件浪费折射迭代步骤的问题,并根据问题引入Householder变换。通过对正交轴和非正交轴上对任一向量进行Householder变换的分析,给出n维欧氏空间中Householder变换的定义。推导出了应用Ho... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

网格划分搜索区域

正交轴上的Householder变换由以上推导可知，Householder变换除了依赖对称轴，还需求出与对称轴正交的单

非正交轴上的Householder变换

【参考文献】：
期刊论文
[1]基于自适应多种群策略的混合多目标优化算法[J]. 付亚平,王洪峰,黄敏,王兴伟.  系统工程学报. 2017(06)
[2]多策略自适应粒子群优化算法[J]. 汤可宗,丰建文,李芳,杨静宇.  南京理工大学学报. 2017(03)
[3]基于模拟退火与高斯扰动的烟花优化算法[J]. 韩守飞,李席广,拱长青.  计算机科学. 2017(05)
[4]烟花算法与布谷鸟算法求解优化问题的对比分析研究[J]. 李航,韩祺.  沈阳师范大学学报(自然科学版). 2017(01)
[5]基于改进的自适应遗传算法优化BP神经网络[J]. 吴陈,王和杰.  电子设计工程. 2016(24)
[6]基于混合光线反射优化算法的最近电压稳定临界点求取方法[J]. 方斯顿,程浩忠,徐国栋,曾平良,姚良忠.  电力自动化设备. 2016(08)
[7]改进光学优化算法及其在函数优化中的应用[J]. 王金叶,马良,刘勇.  计算机工程与应用. 2017(12)
[8]BP人工神经网络算法的探究及其应用[J]. 李振,陈香香,杨文府.  数字技术与应用. 2016(02)
[9]烟花算法研究进展[J]. 谭营,郑少秋.  智能系统学报. 2014(05)
[10]差分进化算法研究进展[J]. 汪慎文,丁立新,张文生,郭肇禄,谢承旺.  武汉大学学报(理学版). 2014(04)

博士论文
[1]变分法在数学物理问题中的应用[D]. 董成伟.清华大学 2013
[2]光线寻优算法的研究及改进[D]. 李加莲.哈尔滨工程大学 2012
[3]基于光学原理的最优化方法研究[D]. 李焱.哈尔滨工程大学 2011
[4]19世纪以前的变分法[D]. 贾小勇.西北大学 2008
[5]粒子群优化算法试验研究及扩展[D]. 余炳辉.华中科技大学 2007

硕士论文
[1]基于多目标优化的粒子群算法研究及其应用[D]. 李艳丽.西南交通大学 2014
[2]光线寻优算法的寻优机理研究[D]. 王春丽.哈尔滨工程大学 2014



本文编号：3591659