現(xiàn)代優(yōu)化算法及其應(yīng)用研究.pdf

1、現(xiàn)代啟發(fā)式優(yōu)化算法為復(fù)雜優(yōu)化問(wèn)題的解決提供了一條十分有效的新途徑,本文介紹了分散搜索(SS)和路徑再連接(PR)、貪婪隨機(jī)自適應(yīng)搜索過(guò)程(GRASP)和粒子群優(yōu)化(PSO)三個(gè)算法,希望給國(guó)內(nèi)優(yōu)化研究者帶來(lái)一些新的選擇和視角.第三章將粒子群優(yōu)化算法應(yīng)用在聚類(lèi)分析中,并且提出了一種新的粒子群優(yōu)化和k-均值混合聚類(lèi)方法,并加入了最大最小距離法的初始化.不僅克服了k-均值算法對(duì)初值敏感和易陷入局部最優(yōu)的缺點(diǎn),而且提高了單獨(dú)使用PSO聚類(lèi)的準(zhǔn)確

2、率,加快了收斂速度,最后用實(shí)驗(yàn)證明了該算法的有效性.本文在精英個(gè)體確定搜索空間的思想啟發(fā)下提出了一種新的基于聚類(lèi)的空間劃分和空間收縮算法,用于求解大規(guī)模優(yōu)化模型.該算法將空間劃分和空間收縮同時(shí)完成后,得到多個(gè)收縮后的子空間,使得算法只在模型的峰或者谷附近搜索而避免在其他非優(yōu)解區(qū)域進(jìn)行搜索,從而加速算法收斂.在第一次不完全演化結(jié)束后,將得到的精英解根據(jù)空間的位置及適應(yīng)度值選擇聚類(lèi)中心,進(jìn)而完成聚類(lèi),然后由聚類(lèi)后的精英解確定出已經(jīng)收縮了的多

3、個(gè)子空間,最后在這些子空間中,根據(jù)收縮標(biāo)準(zhǔn)來(lái)決定是繼續(xù)進(jìn)行收縮還是進(jìn)入完全演化.在不完全演化中加入了一種新的基于概率的多樣化的初始化過(guò)程,以保證初始群體均勻分布在優(yōu)化空間,并且完善了劣解加入機(jī)制和空間收縮停止準(zhǔn)則.第五章作者將PSO和新的空間劃分和收縮算法應(yīng)用到了一個(gè)生產(chǎn)調(diào)度問(wèn)題實(shí)例.在將PSO應(yīng)用到調(diào)度問(wèn)題時(shí),針對(duì)調(diào)度問(wèn)題對(duì)0/1變量的特殊要求,設(shè)計(jì)了一種方法,在初始化和更新粒子位置時(shí)強(qiáng)制令其滿足連續(xù)為1或者0的要求,使得算法更容易求