有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究.pdf

1、智能優(yōu)化算法及其應(yīng)用的研究近年來受到人們的廣泛注意，并在實際中得到很好的應(yīng)用。本文對差分進(jìn)化算法、和聲搜索算法、蟻群算法以及它們的應(yīng)用進(jìn)行了研究，主要工作如下。
　　(1)針對基本差分進(jìn)化算法的不足，提出了一種改進(jìn)差分進(jìn)化算法(KDE)。該算法利用個體差異信息對種群進(jìn)行分類，將不同種群根據(jù)其適度值取值范圍進(jìn)行有區(qū)別的變異，根據(jù)種群的適度值自適應(yīng)地調(diào)整交叉率和變異率，在保證種群個體的多樣性同時，由局部搜索過渡到全局搜索，避免過早陷入

2、局部最優(yōu)值。
　　(2)提出了一種改進(jìn)的快速非支配排序遺傳算法。該算法基于pareto最優(yōu)理論，利用支配的概念對解進(jìn)行評價和選擇，獲取相互均衡的非支配解集。建立了一種新的電站接地網(wǎng)優(yōu)化設(shè)計模型，并采用帶有精英策略的快速非支配排序遺傳算法對接地網(wǎng)設(shè)計模型進(jìn)行優(yōu)化。
　　(3)針對現(xiàn)有改進(jìn)和聲搜索算法的不足，提出了一種自適應(yīng)和聲粒子群搜索算法(FAHS)。該算法首先用粒子群算法對和聲記憶庫內(nèi)每個變量尋優(yōu)，然后利用自適應(yīng)參數(shù)PAR

3、和bw進(jìn)行調(diào)節(jié)，提高對多維優(yōu)化問題的搜索效率。將本文算法應(yīng)用于0-1背包問題，并與HS算法和IHS算法進(jìn)行比較。仿真結(jié)果表明:FAHS算法比IHS算法和HS算法更為有效。
　　(4)提出了一種基于模糊專家信息的多屬性決策方法。首先基于專家信息對各個屬性進(jìn)行模糊排序，然后利用投影尋蹤模型進(jìn)行客觀賦權(quán)和優(yōu)化決策。該方法既能兼顧專家們對屬性的偏好，又可以體現(xiàn)賦權(quán)的客觀性，使得決策結(jié)果更加合理、可靠。同時提出了一種自適應(yīng)聚類差分進(jìn)化算法(