小生境技術(shù)及求解約束優(yōu)化問題的遺傳算法研究.pdf

1、遺傳算法（genetic algorithm簡(jiǎn)稱：GA）是一種模擬自然界生物進(jìn)化過程“適者生存”的高效、隨機(jī)搜索算法。它以多點(diǎn)（群體）并行搜索，可以避免算法陷入局部最優(yōu)，適用范圍廣、能夠解決傳統(tǒng)優(yōu)化方法難以解決的優(yōu)化問題。雖然，大量的研究表明標(biāo)準(zhǔn)遺傳算法（Standard “GA”簡(jiǎn)稱：“SGA”）在許多領(lǐng)域得到了成功的應(yīng)用，但是局部搜索能力差和早熟是其很明顯的缺點(diǎn)。遺傳算法（Niche“GA”簡(jiǎn)稱：NGA）中引入小生境技術(shù)有利于維持種

2、群多樣性，提高算法的搜索能力，理論上能夠求得整個(gè)解空間的局部解。盡管現(xiàn)有的各類GA方法在處理約束優(yōu)化問題時(shí)顯示出了一定的求解能力，然而面對(duì)各種各樣的不同問題如何合理的處理約束條件對(duì)GA來說仍是較難處理的問題。綜上，基于大概率獲得實(shí)際中各種復(fù)雜優(yōu)化問題全局解或盡可能多的局部解甚至全部局部解，本文圍繞“GA”進(jìn)行了如下研究： 一、SGA自身改進(jìn)。首先研究了遺傳算法的第一步操作編碼，選擇目前最為常用的十進(jìn)制、二進(jìn)制、格雷三種編碼方式進(jìn)

3、行了若干數(shù)值GA實(shí)驗(yàn)，得出了一些對(duì)實(shí)際應(yīng)用有指導(dǎo)意義的結(jié)論。其次針對(duì)標(biāo)準(zhǔn)遺傳算法早熟和局部搜索能力差的缺點(diǎn)，設(shè)計(jì)了改進(jìn)的交叉算子和引入較優(yōu)個(gè)體周圍局部搜索策略來提高算法的搜索性能。 二、NGA研究。針對(duì)目前應(yīng)用最廣泛、最有效的基于共享機(jī)制的NGA的不足，對(duì)此方法中最關(guān)鍵的小生境參數(shù)確定和共享策略的設(shè)計(jì)兩個(gè)操作從幾方面進(jìn)行了改進(jìn)：利用初始個(gè)體適應(yīng)度值的變化規(guī)律和引入隨機(jī)方向法分別確定小生境參數(shù)，小生境內(nèi)構(gòu)造了共享法和百分位法共享策

4、略，以維持種群多樣性，營(yíng)造各小生境同時(shí)進(jìn)化的氛圍。根據(jù)小生境進(jìn)化的特殊性，構(gòu)造了一種基于歐氏距離下的(1+1)競(jìng)爭(zhēng)小生境遺傳算法。 三、利用改進(jìn)遺傳算法求解約束優(yōu)化問題的方法研究。針對(duì)約束優(yōu)化問題中緊約束問題和可行域相對(duì)整個(gè)解空間所占比例較小的兩種傳統(tǒng)方法不易處理的問題分別提出了違約解修正法和改進(jìn)的違約解轉(zhuǎn)化法。通過對(duì)選取的數(shù)個(gè)典型機(jī)械優(yōu)化實(shí)例和典型測(cè)試函數(shù)的成功求解證明了本文系列研究和改進(jìn)工作的有效性，也說明了遺傳算法在工程優(yōu)