多目标蜂群优化算法研究及其在轧制规程优化中的应用

发布时间：2022-12-06 04:36

　　人工蜂群算法是基于仿生学提出的群智能优化算法,具有结构简单、参数少、全局搜索能力强等特点,现如今已被应用到诸多领域。但是传统蜂群算法依然存在易陷入局部最优、局部开发能力弱、收敛速度较慢等问题,限制了其性能。因此,对蜂群算法的改进研究具有重要的理论研究意义与应用价值。本文在传统人工蜂群算法的基础上进行深入研究,针对其存在的问题提出两种改进算法,并将其应用到冷连轧负荷分配中。本文的主要工作如下:（1）针对多目标人工蜂群算法全局搜索和局部开发能力不平衡的缺陷,提出了基于阈值搜索的多目标人工蜂群算法。根据不同蜜源的开发阈值在其邻域范围内选择搜索半径,平衡算法的搜索能力和开发能力,加快收敛速度;其次,对外部精英个体赋予引导阈值,并根据外部档案中解的分布情况和开发情况,合理选择外部档案解。为了验证算法的有效性,采用ZDT和DTLZ系列测试函数进行仿真,结果表明算法所获Pareto前沿具有良好的分布性和收敛性。（2）针对人工蜂群算法处理复杂多目标问题收敛速度慢的问题,提出了基于调节算子的多目标蜂群算法。首先,根据蜜源情况自适应地选择搜索半径,在各个时期侧重于不同搜索方向。其次,将分布情况纳入适应度值... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 智能优化算法与轧制规程优化的研究进展
        1.2.1 多目标优化算法的研究进展
        1.2.2 改进多目标蜂群算法的研究进展
        1.2.3 多目标优化算法在轧制规程优化中的应用
    1.3 主要研究内容及结构安排
第2章 基于阈值搜索的多目标人工蜂群优化算法
    2.1 引言
    2.2 多目标优化算法数学模型
    2.3 人工蜂群算法数学模型
    2.4 基于阈值搜索的多目标人工蜂群优化算法
        2.4.1 局部搜索机制
        2.4.2 精英解引导以及概率选择机制
        2.4.3 外部档案维护机制
    2.5 算法步骤
    2.6 算法测试性能及分析
        2.6.1 测试函数与评价指标
        2.6.2 LSABC算法和对比算法的参数设置
        2.6.3 算法实验结果分析
        2.6.4 不同策略性能对比实验分析
        2.6.5 算法收敛性验证
    2.7 本章小结
第3章 基于调节算子的多目标人工蜂群算法
    3.1 引言
    3.2 基于调节算子的多目标人工蜂群算法RMOABC
        3.2.1 基于个体阈值的更新公式
        3.2.2 基于种群分布的概率选择机制
        3.2.3 外部存档维护机制
        3.2.4 多样性点初始化机制
    3.3 算法流程
    3.4 算法测试性能及分析
        3.4.1 测试函数
        3.4.2 RMOABC算法和对比算法的参数设置
        3.4.3 算法实验结果分析
        3.4.4 不同策略性能对比实验分析
        3.4.5 算法收敛性验证
    3.5 本章小结
第4章 多目标优化算法在冷连轧制规程中的应用
    4.1 引言
    4.2 冷连轧轧制设备及数学模型
        4.2.1 轧制设备组成和主要参数
        4.2.2 轧制过程数学模型简介
    4.3 冷连轧轧制规程目标函数及约束条件
        4.3.1 目标函数
        4.3.2 约束条件的确定
    4.4 冷连轧轧制负荷分配流程
    4.5 基于RMOABC和 LSABC算法的冷连轧轧制规程优化
        4.5.1 轧制规程的约束多目标优化模型
        4.5.2 基于RMOABC和 LSABC算法的冷连轧轧制规程优化应用
        4.5.3 仿真研究
    4.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于蚁群算法的异步并行装配序列规划方法[J]. 刘晓阳,刘恩福,靳江艳.  机械工程学报. 2019(09)
[2]基于蜂群算法改进的BP神经网络风电功率预测[J]. 何廷一,田鑫萃,李胜男,吴水军,陈勇,束洪春,马聪.  电力科学与技术学报. 2018(04)
[3]基于复数编码的多策略人工蜂群算法[J]. 单娴,杜学东.  系统工程学报. 2018(05)
[4]基于随机森林的钢材性能预报与影响因素筛选[J]. 杨威,李维刚,赵云涛,严保康,王文波.  钢铁. 2018(03)
[5]基于改进烟花-蚁群混合算法的智能移动体避障路径规划[J]. 张玮,马焱,赵捍东,张磊,李营,李旭东.  控制与决策. 2019(02)
[6]基于遗传算法的无钟高炉布料工艺优化[J]. 任廷志,马财生.  钢铁. 2016(06)
[7]基于多目标人工鱼群算法的硅单晶直径检测图像阈值分割方法[J]. 刘丁,张新雨,陈亚军.  自动化学报. 2016(03)
[8]基于改进免疫克隆多目标算法的轧制规程优化[J]. 赵新秋,孟庆刚,杨景明,车海军.  钢铁. 2015(08)
[9]基于改进多目标粒子群算法的冷连轧规程优化设计[J]. 魏立新,王利平,马明明,车海军,杨景明.  中国机械工程. 2015(09)
[10]一种结合多目标免疫算法和线性规划的双行设备布局方法[J]. 左兴权,王春露,赵新超.  自动化学报. 2015(03)



本文编号：3711074