1、基于混合仿生学的群体优化算法设计和实现答辩人： 指导老师：101 创新点与工作量 02 理论基础与意义03 算法构建与设计 04 实验步骤与结果201 创新点与工作量 02 理论基础与意义03 算法构建与设计 04 实验步骤与结果34创新点与工作量1.蜂群算法的精度度提高(蜜蜂采蜜行为的蜂群算法引入了适应度 )2.鱼群算成功避免局部最优化降(引入了一个震荡函数)3.最后PID控制3个控制时间更短变为原来的3倍(算法收敛速度得以提高)4.控制反应速度更快为原来的3倍速度(算法收敛速度得以提高)01 创新点与工作量 02 理论基础与意义03 算法构建与设计 04 实验步骤与结果56阶段一阶段二阶段
2、三基于蜜蜂繁殖行为的蜂群算法 基于蜜蜂采蜜行为蜂群算法 PID神经结构 理论基础与意义阶段一基于蜜蜂繁殖行为的鱼群算法 7理论基础与意义基于蜜蜂繁殖行为的蜂群算法 选好最好的幼蜂被选幼蜂如果最好幼蜂优于蜂王则替换蜂王8理论基础与意义基于蜜蜂采蜜行为蜂群算法9理论基础与意义改进的鱼群算法在鱼群算法中加入一个震荡函数y=x*xsin(10)+2，让所有的鱼群数据都只能落在这个震荡函数上就能跳出局部极值觅食活动:也就是指鱼寻着食物多的地方游动的一种行为聚群活动:也就是每条鱼都要找出周围可视域内的其 鱼， 成 群10理论基础与意义PID神经结构 PID(Proportional Integral and Differential)控制是最 来的控制 一， 以算法 可 高 优点应 于工 控制中
