24021.融合copula分布估計的aea算法及其在約束優(yōu)化問題中的應(yīng)用

1、華東理工大學(xué)碩士學(xué)位論文第1頁融合Copula分布估計的AEA算法及其在約束優(yōu)化問題中應(yīng)用摘要AlopexbasedEvolutionaryAlgorithrn(AEA)算法是一種融合]Alopex[舶發(fā)方式和進化算法的群搜索技術(shù)的新型優(yōu)化算法，即具有梯度下降的特點，又具有模擬退火的特點。本文在AEA算法的基礎(chǔ)之上，針對AEA算法中兩個對比種群包含相同個體信息的缺點，將Copula分布估計算法引入到AEA算法中，利用Copula分布估計

2、算法來產(chǎn)生AEA算法中需要進行Alopex操作的兩個種群，使得兩個種群不僅包含從AEA算法相關(guān)性學(xué)習(xí)中所得到的啟發(fā)信息，同時還包含考慮了變量之間相關(guān)性的Copula分布估計算法所提供的全局進化信息。這樣，在每次的迭代中，首先利用分布估計算法給出種群的宏觀概率分布模型，然后再利用Alopex實現(xiàn)微觀層面的進化。然后通過11個標(biāo)準(zhǔn)測試函數(shù)對算法效果進行測試，并與算法EDA和EDAAEA進行比較，從多個角度驗證了CAEA算法在處理變量之間存在

3、強相關(guān)性的優(yōu)化問題時的優(yōu)勢。針對約束優(yōu)化問題，提出了一種松弛參數(shù)自適應(yīng)調(diào)整的新的約束處理機制，該方法通過在迭代中引入松弛參數(shù)，使得包含種群進化信息的“相對可行解“得以保留，從而引導(dǎo)種群的進化。隨著種群的進化，逐漸縮小相對可行域直至收斂到可行域，充分考慮到不同函數(shù)具有不同可行域大小的情況。同時，引入一種自適應(yīng)懲罰函數(shù)法增加算法的穩(wěn)定性，它能夠利用不同約束條件滿足的難易程度來自適應(yīng)的調(diào)整懲罰系數(shù)，從而保證懲罰力度不會過大或者過小。通過11個