一種面向約束優(yōu)化問題的多目標(biāo)混合進(jìn)化算法的研究.pdf

1、進(jìn)化計(jì)算是一類模擬自然界生物進(jìn)化過程而建立起來的智能計(jì)算方法。近年來,運(yùn)用進(jìn)化計(jì)算解決約束優(yōu)化問題(constrained optimization problems)已經(jīng)得到了廣泛的關(guān)注。約束優(yōu)化問題是一類常見于實(shí)際工程應(yīng)用中的問題,由于約束條件的多樣性和復(fù)雜性,使得這類問題難以求解。因此,研究進(jìn)化計(jì)算來解決約束優(yōu)化問題具有十分重要的理論和應(yīng)用前景。本文主要從進(jìn)化計(jì)算中約束優(yōu)化處理技術(shù)的最新研究成果出發(fā),提出了一種多目標(biāo)混合約束優(yōu)化算

2、法,用來求解約束優(yōu)化問題。具體來說,本文的研究工作包含以下幾個(gè)部分:
　　一、分析多目標(biāo)優(yōu)化(multiobjective optimization)處理技術(shù)和群體中信息共享的重要性,為后續(xù)解決約束優(yōu)化問題奠定技術(shù)基礎(chǔ)。為了達(dá)到此目的,本文提出了一種基于群體間和群體內(nèi)信息共享機(jī)制的改進(jìn)型多目標(biāo)草群算法(multiobjective invasive weed optimization)。在改進(jìn)的多目標(biāo)草群算法中,本文提出一種信息共

3、享算子并且驗(yàn)證其有效性。
　　二、本文采用差分進(jìn)化算法(differential evolution)作為全局搜索過程和草群算法(invasive weed optimization)作為局部細(xì)化過程,提出了一種混合約束優(yōu)化算法。全局搜索保證了搜索過程的多樣性,使得搜索不至于陷入局部最優(yōu)解(suboptimal solution)而浪費(fèi)計(jì)算資源;同時(shí),局部細(xì)化保證了搜索算法的收斂性,使得算法在可能存在最優(yōu)解的區(qū)域進(jìn)行精細(xì)化搜索。本

4、文將提出的混合算法應(yīng)用于標(biāo)準(zhǔn)測(cè)試函數(shù)以及實(shí)際工程約束優(yōu)化問題中,實(shí)驗(yàn)結(jié)果表明混合算法能夠高效地找到測(cè)試函數(shù)和實(shí)際工程問題的最優(yōu)解。同時(shí),本文將混合算法與其它優(yōu)秀(state-of-the-art)約束優(yōu)化算法進(jìn)行了比較。與其他算法相比,提出的混合算法非常具有競(jìng)爭(zhēng)力。
　　三、當(dāng)進(jìn)行局部細(xì)化過程時(shí),草群算法需要設(shè)置一個(gè)“步長(zhǎng)”參數(shù),該參數(shù)決定局部搜索的精細(xì)化程度。然而,在算法運(yùn)行前,將這個(gè)參數(shù)調(diào)節(jié)到一個(gè)合適的數(shù)值是非常困難的;況且在

5、算法運(yùn)行的不同階段,參數(shù)具有不同的合適值。為解決這個(gè)問題,本文在混合算法的基礎(chǔ)上,進(jìn)一步提出了一種基于環(huán)形拓?fù)浣Y(jié)構(gòu)的改進(jìn)型混合算法。利用環(huán)型拓?fù)浣Y(jié)構(gòu)能夠有效估計(jì)個(gè)體鄰近區(qū)域信息,通過鄰近信息的估計(jì)可以自適應(yīng)地確定局部細(xì)化時(shí)的“步長(zhǎng)”,從而更有效地進(jìn)行局部細(xì)化。同時(shí),本文結(jié)合環(huán)型拓?fù)浣Y(jié)構(gòu)提出了一種改進(jìn)的變異策略應(yīng)用于差分進(jìn)化算法,進(jìn)而提高全局搜索性能。在實(shí)驗(yàn)部分,改進(jìn)前后混合算法的比較驗(yàn)證了基于環(huán)形拓?fù)浣Y(jié)構(gòu)的自適應(yīng)機(jī)制能夠較好地提高算法的