基于情緒人工記憶原理的函數(shù)優(yōu)化方法的研究.pdf

1、工程中的優(yōu)化問題具有復(fù)雜性、多極化性、非線性、強約束性等特點，常規(guī)的優(yōu)化算已無能為力，群智能優(yōu)化算法的出現(xiàn)和發(fā)展彌補了傳統(tǒng)優(yōu)化算法的缺陷。但是，群智能優(yōu)化算法在面對大種群的優(yōu)化問題時，仍然存在優(yōu)化時間太長的缺點，為了改進此缺點本文基于認(rèn)知心理學(xué)、情緒理論與記憶原理提出了新的的函數(shù)優(yōu)化方法。
　　首先，通過研究人類情緒的特性和認(rèn)知與情緒的相互作用，結(jié)合群智能優(yōu)化算法的基本思想，提出了一種新型的群智能優(yōu)化算法—情緒認(rèn)知優(yōu)化算法(ECO

2、A)。ECOA算法通過個體對情緒產(chǎn)生的認(rèn)知和認(rèn)知對個體選擇的影響來控制每個個體的優(yōu)化過程；行為選擇算子和選擇概率算子用于對個體狀態(tài)的改變；在情緒與認(rèn)知相互影響的循環(huán)過程中，個體得到了優(yōu)化。ECOA算法的特點是行為選擇算子在交換信息時，只有很少部分變量進行狀態(tài)信息交換，對于高維優(yōu)化問題此舉可大幅提高算法收斂速度。以Griewank函數(shù)為例，對算法的性能進行初步測試，驗證了該算法的優(yōu)良性能，但優(yōu)化時間沒有大幅度的縮短。
　　接著，將記

3、憶與情緒認(rèn)知算法結(jié)合進行改進，設(shè)計出了情緒人工記憶優(yōu)化算法（AEMA）。在AEMA算法中，每個記憶元對應(yīng)著一個試探解；通過記憶和遺忘對記憶元狀態(tài)的轉(zhuǎn)移進行控制，從而實現(xiàn)對優(yōu)化問題的搜索。AEMA算法的特點是將試探解與記憶關(guān)聯(lián)，在演化過程中記憶值越來越低的試探解會被遺忘，隨著演化的進行，不需要處理的試探解會越來越多，AEMA算法的收斂速度將會越來越快。本文以Ackley函數(shù)為例，對算法的性能進行測試，結(jié)果表明在種群數(shù)目較大的問題上AEMA