文化算法及其在優(yōu)化調度中的應用研究.pdf

1、文化算法提供了一種明確的機制來表示、存儲和整合進化過程中的知識。其主要思想：在進化過程中，從進化的種群中獲取待解決問題的經驗知識，將這些經驗知識存儲在信念空間中，并用這些知識來指導種群進化過程，從而提高搜索效率。因此在一些問題上取得了比傳統(tǒng)進化算法更好的結果，特別是在求解約束優(yōu)化問題方面，全局優(yōu)化能力和計算效率明顯優(yōu)于傳統(tǒng)進化算法。目前文化算法應用于機器學習、自動控制、語義網絡、生產調度等廣泛領域。對于每一特定問題，文化算法的難點及其關

2、鍵在于信念空間模型的設計和影響函數的實現。本文在深入研究文化算法基礎上，將進化規(guī)劃和差分算法納入文化算法框架，并用改進的文化算法求解約束優(yōu)化問題和Flow Shop調度優(yōu)化問題。主要研究內容如下： ⑴對文化算法的來源、基本原理、機制、特點及應用等進行了系統(tǒng)研究和詳細闡述。 ⑵提出了一種基于進化規(guī)劃的文化算法，該算法在基于自適應的文化算法中引入進化規(guī)劃，有效利用進化過程中相關知識引導種群進化，在很大程度上提高了收斂速度。

3、 ⑶提出一種基于文化算法和改進差分進化算法的混合優(yōu)化算法，該算法將改進差分進化算法引入種群空間的進化操作，從而實現改進差分進化算法在進化過程中知識的動態(tài)獲取和知識對改進差分進化種群空間進化的有效指導，保證了種群的多樣性和收斂速度。 ⑷用benchmark函數對上述兩種優(yōu)化算法進行仿真，試驗結果表明兩種算法均優(yōu)于傳統(tǒng)的進化算法。 ⑸用CAEP和CAMDE算法求解丁烯烷化生產過程的約束優(yōu)化問題，并用CAMDE算法求解F