基于遺傳算法的求解約束優(yōu)化問題的啟發(fā)式算法研究.pdf

1、遺傳算法是一種有效的隨機(jī)搜索算法。相對于傳統(tǒng)的數(shù)學(xué)優(yōu)化方法而言，遺傳算法具有適用性強(qiáng)、魯棒性好等優(yōu)點。在過去的幾十年中，遺傳算法被廣泛地應(yīng)用于各個領(lǐng)域。本文主要研究使用遺傳算法來求解單目標(biāo)約束優(yōu)化問題以及多目標(biāo)約束優(yōu)化問題時的約束處理、種群多樣性的維護(hù)方法以及外部種群的維護(hù)方法等相關(guān)問題。本研究分為八個部分：
　　 第一章對本文研究的意義、研究的問題以及研究方法進(jìn)行簡要的敘述。第二章對已有的相關(guān)研究進(jìn)行詳細(xì)的綜述。第三章及第四章

2、主要研究使用遺傳算法求解單目標(biāo)約束優(yōu)化問題時的約束處理方法。第五章至第七章主要研究使用遺傳算法求解多目標(biāo)約束優(yōu)化問題時的約束處理方法、種群多樣性的維護(hù)方法以及外部種群的維護(hù)方法。
　　 第三章提出一種新的約束處理方法：邊界模擬法。邊界模擬法是一種模擬算法，這種算法可以有效地生成一個邊界點集，從而對可行域的邊界進(jìn)行數(shù)值模擬?；谶吔缒M法，遺傳算法可以直接從可行域的邊界或可行域內(nèi)部開始搜索，從而可有效地提高搜索效率。
　　

3、 第四章提出一種新的求解單目標(biāo)約束優(yōu)化問題的遺傳算法：BoundarySimulation Genetic Algorithm(BSGA)。該算法使用邊界模擬法對可行域的邊界進(jìn)行模擬，進(jìn)而直接對可行域展開搜索。在搜索過程中，BSGA對搜索過程中生成的不可行解進(jìn)行丟棄或修復(fù)，從而保證種群中個體的可行性。數(shù)值實驗表明BSGA具有良好的魯棒性以及尋優(yōu)能力。
　　 第五章提出一種新的數(shù)據(jù)結(jié)構(gòu)：Reletive Value Trie樹(R

4、trie樹)。這種新的數(shù)據(jù)結(jié)構(gòu)可以有效地的將整個種群劃分為若干個子種群。在此基礎(chǔ)之上，本文提出一種新的基于Rtrie樹的種群初始化算予以及一種新的基于Rtrie樹的選擇算子用于求解多目標(biāo)約束優(yōu)化問題。
　　 第六章提出一種新的數(shù)據(jù)結(jié)構(gòu)：Absolute Value Trie樹(Atrie樹)?；谶@種Atire樹數(shù)據(jù)結(jié)構(gòu)，本文提出一種基于Atrie樹的外部種群維護(hù)算子。這種外部種群維護(hù)算子使用Atrie樹對種群中的個體進(jìn)行過濾，

5、從而去掉種群中某些無法對外部種群進(jìn)行改進(jìn)的個體，進(jìn)而有效地降低了維護(hù)外部種群所需的計算成本。
　　 第七章提出一種新求解多目標(biāo)約束優(yōu)化問題的混合遺傳算法：BoundarySimulation Trie Based Genetic Algorithm(BSTBGA)。這種算法使用邊界模擬法從可行域的邊界直接展開遺傳搜索；使用基于Rtrie樹的種群初始化算子及選擇算子來維護(hù)種群的多樣性；使用基于Atrie樹的外部種群維護(hù)算子來降低維