求解組合優(yōu)化問題的混合蛙跳算法的研究.pdf

1、群體智能算法是一種高效的優(yōu)化算法。由單個結構復雜的個體所完成的任務可由大量結構簡單的個體所組成的群體合作來完成,并且后者往往更具有健壯性、靈活性和經(jīng)濟上的優(yōu)勢。在無集中控制且不提供全局模型的前提下,群體智能算法為解決組合優(yōu)化問題提供了一種新對策。
　　混合蛙跳算法是一種新興的群體智能算法。目前,利用混合蛙跳算法求解組合優(yōu)化問題的相關成果不多見。本文對于如何利用混合蛙跳算法求解組合優(yōu)化問題進行了探討。主要研究成果如下:
　　首

2、先,傳統(tǒng)的混合蛙跳算法是通過全局最優(yōu)解和當前子種群的局部最優(yōu)解對子種群中的最差個體施加影響,這種優(yōu)化方式是對子種群中的單一個體施加影響。在第三章中,本文提出了一種利用全局最優(yōu)解“指導”每個子種群整體向前進化的策略。與傳統(tǒng)的混合蛙跳算法不同,這種子種群進化策略可以同時作用于多個個體,是一種并行爬山的進化方式。隨著城市數(shù)量的增加,常見的演化算法容易陷入局部極值的陷阱,無法搜索到全局最優(yōu)路徑。由于將郭濤算法和混合蛙跳算法的優(yōu)點進行了有機的結合

3、,“當前最優(yōu)解作用于整個子種群”的混合蛙跳算法在求解TSP問題時表現(xiàn)出了良好的性能,能夠以極小的時間代價搜索到用戶的滿意解。
　　其次,傳統(tǒng)的混合蛙跳算法是通過全局最優(yōu)解和當前子種群的局部最優(yōu)解“吸引”每個子種群中的最差青蛙。通過這種“吸引”的作用,這兩個個體指導了最差青蛙的進化方向。與傳統(tǒng)的混合蛙跳算法不同,本文利用子種群中的其它個體對最差的個體的“排斥”作用來指導最差青蛙的進化方向。第四章中,本文利用“排斥最差個體”的混合蛙跳