動(dòng)態(tài)種群規(guī)模的協(xié)同進(jìn)化算法模型、理論與應(yīng)用.pdf

1、受自然界生態(tài)系統(tǒng)中多物種協(xié)同進(jìn)化現(xiàn)象的啟發(fā)，人們提出了一類新型進(jìn)化算法：協(xié)同進(jìn)化算法(Co-Evolutionary Algorithm)。協(xié)同進(jìn)化算法能有效解決許多傳統(tǒng)進(jìn)化算法難以解決的復(fù)雜問(wèn)題，是近年來(lái)計(jì)算智能領(lǐng)域的一個(gè)研究熱點(diǎn)。動(dòng)態(tài)種群規(guī)模調(diào)節(jié)技術(shù)是進(jìn)化算法中的一項(xiàng)重要技術(shù)，其目的在于自適應(yīng)地平衡全局搜索能力和局部搜索能力之間的矛盾，合理分配計(jì)算資源以提高算法的整體性能。由于進(jìn)化動(dòng)力學(xué)機(jī)制的不同，傳統(tǒng)進(jìn)化算法中已有的動(dòng)態(tài)種群規(guī)模調(diào)

2、節(jié)技術(shù)并不適合協(xié)同進(jìn)化算法；而協(xié)同進(jìn)化算法的現(xiàn)有工作又大多集中在針對(duì)具體應(yīng)用問(wèn)題的算法設(shè)計(jì)方面，動(dòng)態(tài)種群規(guī)模技術(shù)的研究幾乎是一片空白。 本文從協(xié)同進(jìn)化算法的共性入手，以適應(yīng)度評(píng)估過(guò)程中的個(gè)體相互作用為出發(fā)點(diǎn)，設(shè)計(jì)了一個(gè)具有通用性的動(dòng)態(tài)種群規(guī)模調(diào)節(jié)策略，并在該策略的基礎(chǔ)上構(gòu)建了一個(gè)統(tǒng)一的協(xié)同進(jìn)化算法模型，稱為動(dòng)態(tài)種群規(guī)模的協(xié)同進(jìn)化算法模型(Model of Co-Evolutionary Algorithm with Dynami

3、c population size)，簡(jiǎn)稱CEAD模型。該模型從協(xié)同進(jìn)化算法的本質(zhì)出發(fā)，描述了協(xié)同進(jìn)化算法共通的進(jìn)化機(jī)制，其算法體系涵蓋了包括競(jìng)爭(zhēng)型、合作型、混合型在內(nèi)的各種協(xié)同進(jìn)化算法，具有重要的指導(dǎo)意義。 我們從動(dòng)力學(xué)、穩(wěn)定性、收斂性、計(jì)算復(fù)雜度等多個(gè)方面對(duì)CEAD模型及其算法體系作了全面的理論分析。理論分析指出，CEAD模型具有全局漸近穩(wěn)定性，在其指導(dǎo)下設(shè)計(jì)的協(xié)同進(jìn)化算法，可以保證種群規(guī)模能夠自適應(yīng)地調(diào)節(jié)至合適的水平，從而

4、有效地平衡全局搜索能力和局部搜索能力之間的矛盾，合理地在子種群間分配計(jì)算資源，令算法能夠穩(wěn)定而高效地收斂到全局最優(yōu)解。 最后，我們完成了CEAD算法體系在兩種典型復(fù)雜優(yōu)化問(wèn)題求解中的應(yīng)用。在多峰函數(shù)優(yōu)化問(wèn)題中，對(duì)比實(shí)驗(yàn)表明在CEAD模型指導(dǎo)下設(shè)計(jì)的協(xié)同進(jìn)化算法可以合理地調(diào)節(jié)種群規(guī)模，有效地利用計(jì)算資源，具有全局搜索能力強(qiáng)、收斂速度快優(yōu)化性能好、求解效率高等優(yōu)點(diǎn)。在空中流量?jī)?yōu)化調(diào)度中，針對(duì)多目標(biāo)航班著陸調(diào)度模型這一帶有大量約束的多