求解多峰函數(shù)的一類新演化算法.pdf

1、眾多現(xiàn)實中的問題最終都歸結為優(yōu)化問題，優(yōu)化問題存在于各個領域。對優(yōu)化問題的求解前人已研究出不少經典的數(shù)值方法，對某些問題確實能得到好的結果。但這些傳統(tǒng)的優(yōu)化方法存在以下一些缺點：對目標函數(shù)有較強的限制，如連續(xù)、可微等，方法對問題的依賴性較強，算法結果與初始值的選擇有關，而且容易陷入局部極小值的缺點。 近年來蓬勃發(fā)展起來的演化算法被廣泛應用于優(yōu)化領域，其全局最優(yōu)性、可并行性、高效性在函數(shù)優(yōu)化中得到了廣泛的應用。演化算法克服了傳統(tǒng)數(shù)

2、值方法的缺點，借助了大自然的演化過程，是多線索而非單線索的全局優(yōu)化方法，采用的是種群和隨機搜索的機制。演化計算在優(yōu)化領域中的應用引起了人們的普遍關注，各種形式的演化算法層出不窮。其中郭濤算法和微粒群算法就是其中的典型代表，他們有著高效率快速的優(yōu)點。 現(xiàn)有的函數(shù)優(yōu)化研究大都是面向單峰函數(shù)優(yōu)化問題的，但在現(xiàn)實生活中，很多數(shù)學、工程問題都是多峰函數(shù)優(yōu)化問題，如神經網絡的結構及權值優(yōu)化問題，復雜系統(tǒng)參數(shù)及結構辨識問題等。對這種問題，當然