遺傳算法與粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究.pdf

1、優(yōu)化問題大量存在于科學(xué)研究和工程應(yīng)用中的各個領(lǐng)域,因而開展最優(yōu)化方法的研究具有重要的理論意義和實用價值,隨著對各類復(fù)雜系統(tǒng)優(yōu)化問題的深入研究,傳統(tǒng)的“自頂而下”的研究方法遇到了很多的困難。而以生物智能或自然現(xiàn)象為基礎(chǔ)的群智能優(yōu)化方法通過自身的演化使許多在人類看起來高度復(fù)雜的問題得到了比較完美的解決,由此產(chǎn)生了與經(jīng)典優(yōu)化方法截然不同的新型智能計算方法一仿生智能計算。
　　 本文對遺傳算法和粒子群優(yōu)化算法兩種仿生智能計算方法的算法機(jī)

2、理、算法改進(jìn)和應(yīng)用方面做了較為深入的研究,論文的主要研究成果如下:
　　 (1)針對約束優(yōu)化問題,采用兩種不同的改進(jìn)策略,分別提出兩種不同的改進(jìn)進(jìn)化算法,并對其時間和空間復(fù)雜度進(jìn)行了分析。這兩種改進(jìn)策略分別是:①將約束優(yōu)化問題的高維搜索空間通過線性變換映射到二維空間,在二維空間中探索原優(yōu)化問題的解,從數(shù)學(xué)分析的角度給出了一種線性適應(yīng)度函數(shù),融入一種基于密度函數(shù)的交叉算子和變異算法,采用基于分級聚類的平均聯(lián)接方式以維持Pareto

3、最優(yōu)解集個體數(shù)目。②引入近鄰函數(shù)準(zhǔn)則(NFC),將NFC用于選擇過程,可以從種群中選擇出較好的個體,并確保種群的多樣性。此外,融入了一種基于近鄰函數(shù)準(zhǔn)則的Pareto候選集的維護(hù)方法,使用這種方法可以有效地維護(hù)候選解集中個體的多樣性。仿真實驗的效果表明:融合了改進(jìn)策略的進(jìn)化算法是可行和有效的,解集分布的均勻性與多樣性均較理想。
　　 (2)由于遺傳算法具有良好的并行搜索性能,適合于求解高維非線性規(guī)劃問題,本文提出一種求解非線性規(guī)

4、劃問題的改進(jìn)遺傳算法(IGA)。IGA融入了一種新穎的選擇策略和局部搜索方案,其基本思想是:在選擇過程中,每一個體表達(dá)為一個三維的向量,分別由目標(biāo)函數(shù)值、約束違背的度數(shù)和約束違背的數(shù)目組成。根據(jù)Pareto偏序關(guān)系,通過設(shè)定的兩個性能指標(biāo)評價個體的優(yōu)劣。而局部選擇方案能夠更好的發(fā)現(xiàn)位于一些不可行解近鄰區(qū)域的可行解,實驗效果顯示出:IGA具有較好的魯棒性,相比其它測試算法具有更好的有效性和穩(wěn)定性。另外,圖像分割問題也可以看作是帶約束條件下

5、的非線性規(guī)劃問題。本文提出一種基于遺傳算法的最小交叉熵閾值選擇方法:首先使用一種回歸程序設(shè)計方法,將圖像分割問題看作是一個優(yōu)化問題;然后,提出一種回歸程序設(shè)計方法存儲閾值計算過程的中間結(jié)果:最后,基于這種回歸程序設(shè)計方法,使用遺傳算法搜索待優(yōu)化問題的最優(yōu)解。仿真測試表明:所提出的方法非常接近窮盡搜索方法得到的最佳閾值,在不同圖像上的分割效果顯示出所提出方法的可行性和有效性。
　　 (3)提出雙中心粒子群優(yōu)化算法(DCPSO)。粒

6、子群優(yōu)化算法是一種新興的群體智能優(yōu)化技術(shù),由于其原理簡單、參數(shù)少、效果好等優(yōu)點已經(jīng)廣泛應(yīng)用于求解各類復(fù)雜優(yōu)化問題。而影響該算法收斂速度和精度的兩個主要因素是粒子個體極值與全局極值的更新方式。通過分析粒子的飛行軌跡和引入廣義中心粒子和狹義中心粒子,在不增加算法復(fù)雜度條件下對粒子的個體極值和全局極值更新方式進(jìn)行了更新,從而改善了算法的收斂速度和精度。實驗仿真按照固定迭達(dá)次數(shù)和固定時間長度運行兩種方式進(jìn)行測試,驗證了所提出的新算法DCPSO的

7、可行性和有效性。
　　 (4)提出一種求解多目標(biāo)優(yōu)化問題的改進(jìn)微分進(jìn)化算法(MDE)。微分進(jìn)化是一種簡單、快速且具有魯棒性的進(jìn)化算法。改進(jìn)后的微分進(jìn)化算法與傳統(tǒng)的的微分算法相比,新穎之處在于個體的變異操作和個體的選擇方式:①允許種群中的不可行解個體參與變異過程,種群中的個體變異方式采用了改進(jìn)的PSO算法粒子變異方案;②個體的選擇方式融入了由Deb提出的非劣排序遺傳算法-Ⅱ(NSGA-Ⅱ)中的“非劣排序和等級選擇過程”。通過對不可