论文部分内容阅读
最优化问题广泛存在于工程技术、科学研究和经济管理等诸多领域之中。目前常用的求解最优化问题的优化算法可以分为:经典优化算法、贪婪算法和局部搜索、智能优化算法、混合优化算法等。与经典优化算法相比,智能优化算法具有很多优点,如操作简单、收敛速度快、全局收敛性好、鲁棒性强等。群智能优化是智能优化的一个重要分支。社会性昆虫的个体行为和智能十分简单、有限,但是通过相互合作形成的群体却能够完成复杂的任务。群智能优化就是通过模拟社会性昆虫的各种群体行为,利用群体中个体之间的信息交互和合作实现寻优。人工鱼群算法是通过对鱼类群体行为的模拟而提出的一种群智能优化算法。与其它群智能优化算法一样,人工鱼群算法具有很多优点,如对目标函数和参数设置容忍性好、收敛速度快、并行性好等;但是作为一种新的群智能优化算法,它也同时具有某些缺点,如算法后期收敛速度较慢、由于各种随机因素的存在收敛精度不高等。为了提高人工鱼群算法的收敛性能,本文提出两种改进的人工鱼群算法:基于混沌搜索和反馈策略的改进人工鱼群算法和量子人工鱼群算法。多模函数优化问题和多目标函数优化问题是两类重要的最优化问题,本文将对基于人工鱼群算法的多模函数优化问题和多目标函数优化问题进行研究。资源调度问题是实际生活中经常遇到的一种最优化问题,其主要研究的是在一定的约束条件下,如何合理地将有限的资源分配给指定的用户使其完成一批给定的任务,获得某些性能指标的最优化。车间作业调度问题是一个非常著名的资源调度问题模型,它也是一个非常复杂的NP-hard组合优化问题。认知无线电是为解决无线电频谱资源匮乏而提出的,其中频谱分配是认知无线电的关键技术之一。频谱分配就是研究在给定的限制条件下,如何将有限的频谱资源分配给一定数量的认知用户,从而实现系统总效益的最大化同时保证所有用户的公平性,频谱分配问题也是一种资源调度问题。本文将对基于人工鱼群算法的资源调度问题进行研究,利用人工鱼群算法解决车间作业调度和认知无线电中的频谱分配这两个资源调度问题。