毕业设计-随机优化技术研究，共60页，31152字，附外文翻译 
摘 要
优化是人类在生产和社会活动中所追求的目标，也是人们在工程技术、科学研究等诸多领域中经常遇到的问题。在人类的生产和社会活动中，要办好一件事（指规划、设计等），都期望能够得到最满意、最好的结果或效果。为了实现这种期望，必须有好的预测和决策方法。
最优化设计方法实质上是利用数学规划方法处理设计问题的一种实用方法。在设计过程中首先要将设计问题转化为数学问题，即建立数学模型。建立数学模型，就是把实际问题按照一定的形式转换成数学表达式。数学模型建立的合适、正确与否，直接影响到优化设计的最终结果。
群智能理论研究领域有两种主要的算法：蚁群算法(Ant Colony Optimization, ACO)和微粒群算法（Particle Swarm Optimization, PSO）。前者是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟，最初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具。
在随机优化的基础上本文主要介绍了蚁群优化算法和粒子群优化算法的相关原理、算法流程等等，同时在MATLAB软件中实现，这两种方法的演示和模拟过程（包括编程和结果图）。
并以此补充了机械优化设计相关内容，进行机械优化设计的核心工作是建立数学模型。对于不同的设计对象，建立数学模型的方法与步骤也不问，没有一个严格的统一模式，这也正是优化设计建立数学模型的困难所在。并以曲柄摇杆再现运动规律为例，来研究平面四杆机构的优化设计方法。
关键词：随机优化，蚁群优化，粒子群优化，MATLAB软件

ABSTRACT
Optimization is the pursuit of human beings in the production and social activities of the target, but also people often encountered in many fields of engineering technology, scientific research, problem. In the production of human and social activities, to do one thing (referring to the planning, design, etc.) are expected tobe the most satisfactory, the best result or effect. In order to achieve the desired,there must be a good method of forecasting and decision making.
Optimization design method is essentially a practical method to deal with design problems using mathematical programming method. In the design process, first of all to the design problem into a mathematical problem, namely the establishment of mathematical model. The established mathematical model appropriate, correct or not, directly affect the final result of optimization design.
The theory of swarm intelligence research fields are mainly two kinds of algorithms: ant colony algorithm (Ant Colony Optimization, ACO) and particle swarm optimization (Particle Swarm Optimization, PSO). Particle swarm algorithm isoriginated in the simulation of simple social system, the process is initially simulated birds foraging, but later found out that it was a very good optimization tools.
Based on the stochastic optimization. This paper mainly introduces the ant colony optimization algorithm and particle swarm optimization algorithm principle,algorithm flow and so on, at the same time in MATLAB software, these two kinds of methods of presentation and the simulation process (including programm in gand results).
And to supplement the relevant contents of mechanical optimization design ofmechanical optimization design, the core work is to establish the mathematical model. For different object, method and steps of establishing the mathematical model of the don't ask, do not have a strict uniform mode, which is the optimal design mathematical model of the difficulties.
Keywords: stochastic optimization, ant colony optimization, particle swarm optimization, MATLAB software

目 录
摘 要 I
ABSTRACT II
第一章 概述 6
1.1 随机数 6
1.2 随机优化算法的应用 8
1.3 随机优化算法的特点 9
1.4 选题的意义 10
1.5 本论文的意义 10
1.6 论文章节安排 10
第二章 优化设计问题的数学模型 11
2.1 设计变量 11
2.2 目标函数 13
2.3 约束条件 14
2.4 数学模型的一般形式 15
2.5 优化设计问题的基本解法 16
第三章 优化算法简介 18
3.1 优化算法的发展 18
3.2 传统优化算法 18
3.3 现代优化算法 19
3.4 新兴的启发式现代优化算法 21
3.4.1 分散搜索和路径再连接 21
3.4.2 路径再连接 22
第四章 蚁群优化算法 22
4.1 蚁群优化算法概述 22
4.1.1 蚁群优化算法起源 22
4.1.2 蚁群优化算法应用领域 23
4.1.3 蚁群优化算法研究背景 23
4.1.4 蚁群优化算法研究现状 24
4.1.5 蚁群优化算法应用现状 25
4.2 蚁群优化算法概念 26
4.2.1 蚁群算法原理 26
4.2.2 简化的蚂蚁寻食过程 27
4.2.3 自然蚁群与人工蚁群算法 28
4.2.4 蚁群算法与TSP问题 28
4.3 初始的蚁群优化算法—基于图的蚁群系统（GBAS） 28
4.4 蚁群优化算法—算法模型和收敛性分析 31
4.4.1 马氏过程的收敛定义 31
4.4.2 GBAS算法的收敛性分析 32
4.5 蚁群优化算法ACO 33
4.5.1 改进的蚁群算法 33
4.5.2基于遗传学的改进蚁群算法研究 33
4.5.3 蚁群的规模和停止规则 34
4.6 基于MATLAB的算法实例 35
4.6.1蚁群算法流程 35
4.6.2 运行结果 36
第五章 粒子群优化算法 37
5.1 粒子群算法思想的起源 37
5.2 原始粒子群优化算法 38
5.2.1 算法原理 38
5.2.2 算法流程 39
5.2.3 粒子群优化和k-均值混合聚类方法 40
5.2.4 全局模型与局部模型 41
5.2.5 算法特点 41
5.3 标准粒子群优化算法 42
5.3.1 带惯性权重的PSO 42
5.3.2 带收缩因子的PSO 43
5.4 常见的改进粒子群算法 43
5.4.1 种群多样性测试函数 44
5.4.2 杂交PSO（HPSO） 44
5.5 粒子群算法与蚁群算法(ACO)比较 45
5.6 基于MATLAB的算法实例 45
5.6.1 粒子群算法流程 45
5.6.2 运行结果 46
总结和展望 49
致 谢 50
毕业设计小结 51
参考文献 52

主要技术指标
本论文主要分析蚁群优化算法和粒子群优化算法技术研究的相关问题。通过工程实例，用MATLAB软件对优化方法进行分析和模拟演示，导出演示示意图。
算法的理论分析，理论上的分析是一个算法解决实际问题的坚实基础。因此，本文对一类随机性算法的理论做了一些研究工作。首先提出了一类解决连续优化问题的基于记忆的禁忌算法，在相对较弱的条件，证明了此算法以概率为l收敛到全局最优解。并且用类似手段证明了记忆模拟退火算法以概率为1收敛到全局最优解。
1）概述随机优化问题和机械优化设计的知识。
2）对蚁群优化算法和粒子群优化算法的相关内容做出简介。
3）掌握MATLAB分析软件，对蚁群优化算法和粒子群优化算法进行模拟。

本论文的意义
主要介绍蚁群优化方法和粒子群优化方法，并举出工程实际案例进行分析计算。希望通过对论文的研究和学习，了解优化设计的基本概念，掌握常用优化方法的原理、算法及应用特点，初步树立正确的优化设计观点，具备处理一般机械优化设计问题的能力。
1.6 论文章节安排
第一章 概述：主要是对随机优化设计的概述，介绍了优化设计技术的含义原理，应用和特点。
第二章 优化设计问题的数学模型：主要是对优化问题数学模型的简介，包含设计变量、目标函数、约束条件等等。
第三章 优化算法简介：本章主要介绍了优化算法的发展，传统和现代的优化算法，和新兴的优化方法，以及在机械工程方面的应用。
第四章 蚁群优化算法：本章是在MATLAB软件下的工程实例的模拟分析，和蚁群优化方法的概述等等。
第五章 粒子群优化算法：本章是在MATLAB软件下的工程实例的模拟分析，和粒子群优化方法的概述等等。

论文大小：3.38MB
论文格式：word+ppt
论文专业：自动化
论文编号：209202
论文文件预览：
共2文件夹，3个文件，文件总大小：3.38MB，打包后大小：1.05MB

• 毕业设计-随机优化技术研究
• 汪士骏
• 微分优化算法译文 (1).doc  [152.11KB]
• 随机优化技术研究 2.ppt  [779.00KB]
• 随机优化技术研究(全剧终) 3.doc  [2.47MB]