基于探索能力和開發(fā)能力的智能算法設(shè)計.pdf

1、智能算法是基于自然現(xiàn)象運行機制的隨機優(yōu)化算法,具有結(jié)構(gòu)簡單、易于操作和全局優(yōu)化能力強等優(yōu)點,在決策優(yōu)化、系統(tǒng)優(yōu)化、工程設(shè)計等諸多領(lǐng)域都具有廣泛應(yīng)用.然而在處理復(fù)雜優(yōu)化問題時,現(xiàn)有的智能算法依然會出現(xiàn)早熟收斂和停滯問題.為了從算法的運行機理上探索早熟收斂和停滯問題的解決方案,基于全局探索能力和局部開發(fā)能力的有效平衡,本文分別設(shè)計了猴群算法和差分進化算法的改善機制,并提出了一種新型智能算法.主要工作包括:
　　(1)設(shè)計了基于自組織分

2、層結(jié)構(gòu)和時變參數(shù)的改進方案,用于提高猴群算法的優(yōu)化性能.在改進方案中,利用個體的適應(yīng)值信息和優(yōu)化空間的邊界信息,同時融合提出的選擇算子、基于適應(yīng)值的替換算子和排斥算子重新設(shè)計了原始猴群算法的爬、望和跳操作;采用了分層結(jié)構(gòu)組織其核心操作,并利用設(shè)計的自組織機制協(xié)調(diào)核心操作的執(zhí)行;利用單個時變參數(shù)替代了原始猴群算法中的多個固定參數(shù),提高了算法應(yīng)用的便捷性.大量比較實驗表明改進方案明顯優(yōu)于原始猴群算法和7種表現(xiàn)優(yōu)異的智能算法.
　　(2

3、)設(shè)計了基于高斯變異和動態(tài)參數(shù)的改進方案,用于提高差分進化算法的優(yōu)化性能.在改進方案中,利用隨機選擇個體的適應(yīng)值信息設(shè)計了新型高斯變異算子和改進了一種典型變異算子,并利用累計分值信息提出了兩種變異算子之間的協(xié)作規(guī)則;分別采用余弦函數(shù)和高斯函數(shù)實現(xiàn)了縮放因子的周期性變化和交叉概率的波動性變化.大量比較實驗表明改進方案明顯優(yōu)于5種差分進化算法變型和兩種表現(xiàn)優(yōu)異的群智能算法.
　　(3)設(shè)計了基于再初始化策略和優(yōu)化空間調(diào)整策略的改善機制

4、,用于提高差分進化算法的優(yōu)化性能.在改善機制中,結(jié)合種群的優(yōu)化狀態(tài)和交叉算子提出了再初始化策略,用于恢復(fù)算法的全局探索能力;利用最優(yōu)個體信息和具有波動性的動態(tài)參數(shù)設(shè)計了優(yōu)化空間調(diào)整策略,用于防止再初始化策略引發(fā)的過度探索.所設(shè)計的改善機制具有算法獨立性,可以便捷的移植到各種差分進化算法中.大量的比較實驗表明改善機制可以有效提高多種差分進化算法的優(yōu)化性能.
　　(4)設(shè)計了基于軍事理論中聯(lián)合作戰(zhàn)策略的新型智能算法–聯(lián)合作戰(zhàn)算法,用于