基于協(xié)同進(jìn)化的混合智能優(yōu)化算法研究.pdf

1、現(xiàn)實生活中，許多領(lǐng)域皆會涉及到優(yōu)化問題，各類計算智能方法的出現(xiàn)不僅使解決優(yōu)化問題成為一種可能，而且為其求解提供一種新穎、獨(dú)特而高效的思路。然而，隨著優(yōu)化問題的復(fù)雜化、多樣化，單一的計算智能方法在求解質(zhì)量、效率、收斂速度或全局搜索能力等方面總表現(xiàn)出某種局限性。因此，將不同類型的計算智能方法相結(jié)合，揚(yáng)長避短，通過一種高效、特殊的方式構(gòu)成混合智能優(yōu)化算法已經(jīng)顯得越來越必要。
　　本文首先對計算智能方法的算法原理、算法模型、算法描述以及算

2、法的實現(xiàn)過程進(jìn)行了詳細(xì)的介紹，并對計算智能方法的收斂性和復(fù)雜度進(jìn)行了細(xì)致的分析。其次，對協(xié)同進(jìn)化算法的運(yùn)行機(jī)理、具體實現(xiàn)過程進(jìn)行了詳細(xì)的介紹，并給出了競爭型、合作型協(xié)同進(jìn)化算法的適應(yīng)度求解方法。最后，在分析協(xié)同進(jìn)化算法、混合智能優(yōu)化算法研究現(xiàn)狀的同時，結(jié)合計算智能方法和協(xié)同進(jìn)化算法理論，針對其他學(xué)者在研究優(yōu)化問題上表現(xiàn)出來的問題，進(jìn)行了一系列的研究工作。
　　1.在分析協(xié)同進(jìn)化算法研究現(xiàn)狀，深入理解協(xié)同進(jìn)化理論的基礎(chǔ)之上，借鑒并行

3、進(jìn)化模型與協(xié)同進(jìn)化思想，使PSO算法與ACO算法相結(jié)合，提出一種并行協(xié)同進(jìn)化?！佀惴?，使算法維持兩個種群?；谛畔⑦w移、知識共享的思想，通過制定某種規(guī)則來控制種群間個體的遷移，在獲得種群多樣性的同時也使種群間信息得以交換，最終實現(xiàn)種群間協(xié)同進(jìn)化。使解決單目標(biāo)解向量不可劃分的優(yōu)化問題成為一種可能。從而脫離了協(xié)同進(jìn)化在適用范圍上僅針對單目標(biāo)解向量可劃分的問題或多目標(biāo)問題這一局限。
　　2.在協(xié)同策略上，本文提出一種新的方法，該方法借

4、鑒蟻群算法較強(qiáng)的正反饋和魯棒性來更新粒群算法粒子的速度和位置，以此來加大粒子的社會屬性。同時借鑒粒群算法的尋優(yōu)結(jié)果來更新蟻群算法的信息素，以此來加大算法的搜索范圍。最終提高算法的性能。
　　3.利用分階段實現(xiàn)混合的思想，以PCEPA算法為首階段，遺傳算法為次階段，提出一種兩階段混合智能優(yōu)化算法，該算法較遺傳算法收斂速度快，較PECPA算法求解精度高。最后通過求解TSP問題驗證該算法的性能。
　　4.用兩階段混合智能優(yōu)化算法求