和聲搜索算法的研究與應(yīng)用.pdf

1、隨著社會的發(fā)展，現(xiàn)實生活中遇到的優(yōu)化問題越來越多，并且涵蓋通信業(yè)、交通運輸業(yè)、農(nóng)業(yè)、水利工程以及航空航天等多個領(lǐng)域。解決這類問題采取的方法通常是拉格朗日乘子法、線性規(guī)劃和動態(tài)規(guī)劃等這類數(shù)學(xué)方法，但是隨著問題的非線性增強、復(fù)雜度增加以及問題規(guī)模的增加，這類方法很難滿足人們對時效性的要求，并且通常得到的解精度不高，有時甚至得不到結(jié)果。群體智能優(yōu)化算法的出現(xiàn)和發(fā)展，為人們求解問題提供了有效的幫助。
　　群體智能的研究始于20世紀(jì)90年代

2、初，最初是受到自然界(生物界)中規(guī)律的啟發(fā)，模仿其規(guī)律而提出的一種隨機搜索算法。典型的方法有遺傳算法、模擬退火算法和粒子群算法等等。和聲算法是最近提出的一種比較新穎的智能算法，該算法通過模擬音樂演奏過程中，每一個樂師們憑借自己的經(jīng)驗，通過不斷調(diào)整樂器的音調(diào)，使整個樂隊達到一種美妙的和聲狀態(tài)。目前該算法已成功應(yīng)用于函數(shù)優(yōu)化、組合優(yōu)化、生產(chǎn)調(diào)度、機器學(xué)習(xí)等問題。
　　本文首先對和聲算法的基本原理和流程進行了詳細(xì)的描述，指出了和聲算法的

3、優(yōu)缺點，并列舉出幾種改進策略，隨后從連續(xù)函數(shù)優(yōu)化、約束問題優(yōu)化和最短路徑問題三個方面對和聲算法進行改進，具體如下：
　　1、針對連續(xù)函數(shù)優(yōu)化問題，將錦標(biāo)賽規(guī)則和優(yōu)勝劣汰的原則運用到和聲庫選取策略中，并動態(tài)自適應(yīng)調(diào)整和聲算法的三個參數(shù)，確保了算法的全局搜索能力和局部搜索能力，并通過仿真實驗驗證其可行性和有效性。
　　2、針對約束優(yōu)化問題，采用一種新的罰函數(shù)模型，用目標(biāo)滿意度函數(shù)和約束滿意度函數(shù)來取代目標(biāo)函數(shù)和懲罰函數(shù)對個體進行