約束優(yōu)化算法的關鍵技術(shù)研究及應用.pdf

1、約束優(yōu)化問題廣泛存在于科學研究和工程應用領域中，目前對其研究已成為智能信息處理領域的研究熱點。現(xiàn)有約束優(yōu)化算法在處理約束單目標優(yōu)化問題時存在易陷入局部最優(yōu)、收斂精度不高以及參數(shù)設計困難等問題，特別對于非線性、強約束和多峰值的約束多目標優(yōu)化問題存在所求Pareto解集分布不均勻以及收斂性欠佳的缺陷，從而限制了約束優(yōu)化算法在實際中的應用。因此，研究更為有效的約束優(yōu)化算法具有重要的理論意義和現(xiàn)實意義。
　　本文針對約束優(yōu)化算法在處理約束

2、單目標優(yōu)化問題和約束多目標優(yōu)化問題時的不足，對約束優(yōu)化算法中的約束處理技術(shù)、進化策略、多樣性維持策略以及精英選擇策略等各項關鍵技術(shù)展開深入研究。在理論研究上提出了一系列改進措施，使改進算法在求解各類約束優(yōu)化問題上的性能得到全面提升。在實際應用上將改進算法用于優(yōu)化實際工程問題，以改善現(xiàn)有方法的優(yōu)化效果。論文的主要研究內(nèi)容包括以下六個方面。
　　第一，針對基于雙種群存儲技術(shù)的約束單目標優(yōu)化算法存在收斂精度較低的問題，提出一種基于混合策

3、略的雙種群約束單目標優(yōu)化算法。首先，提出約束支配和最優(yōu)約束支配來更新不可行解集，保留目標函數(shù)值和約束違反度均優(yōu)的不可行解，以提高算法的探索能力和搜索效率。其次，采用混合策略進化種群，在進化前期利用Deb準則產(chǎn)生可行解，并通過保留非劣不可行解來提高多樣性，在進化后期讓最優(yōu)和次優(yōu)個體指導進化，以加快種群收斂。最后，采用佳點集來生成初始種群，改善初始種群多樣性。仿真實驗結(jié)果驗證了改進算法的有效性。
　　第二，針對ε約束多樣性維持能力不足

4、以及參數(shù)設置困難的問題，提出一種基于自適應ε的約束單目標優(yōu)化算法。首先，對個體比較準則進行改進，讓約束違反度和目標函數(shù)值均較優(yōu)的不可行解參與進化，加大對可行域邊界的探索力度，從而提高種群多樣性，避免陷入局部最優(yōu)。其次，提出自適應ε調(diào)整策略，根據(jù)可行解在種群中所占的比例對ε進行自適應調(diào)整，平衡目標函數(shù)和約束違反度的關系，從而更加合理地進行個體比較。仿真實驗結(jié)果驗證了改進算法的有效性。
　　第三，針對現(xiàn)有約束多目標優(yōu)化算法所求Pare

5、to解集分布性較差的問題，提出一種基于雙種群的約束多目標優(yōu)化算法。首先，對Harmonic距離進行改進，去除Pareto等級較差個體和較遠個體的影響，從而更加準確地反映種群的分布性，并且有效減少計算量。其次，提出的不可行解集更新方式通過緊密聯(lián)系與可行解集的關系，能夠保留優(yōu)秀的不可行解，有利于提高種群多樣性和算法搜索效率。最后，對變異策略進行改進，充分利用最優(yōu)可行解和優(yōu)秀不可行解的有效信息來引導種群進化，較好地兼顧探索能力和開發(fā)能力。仿真

6、實驗結(jié)果驗證了改進算法的有效性。
　　第四，針對目前約束多目標優(yōu)化算法所求Pareto解集收斂性不佳的問題，提出一種基于自適應ε截斷策略的約束多目標優(yōu)化算法。首先，提出自適應ε截斷選擇策略，優(yōu)先保留Pareto最優(yōu)可行解和約束違反度及目標函數(shù)值均較優(yōu)的不可行解，從而有效平衡多樣性和收斂性。其次，在變異操作和交叉操作之后進行指數(shù)變異，進一步增強算法的局部開發(fā)能力。最后，對擁擠密度估計方式進行改進，只選擇部分距離較近的Pareto最優(yōu)

7、解參與計算，不僅降低了計算量，而且能夠更加合理地評估種群的分布性。仿真實驗結(jié)果驗證了改進算法的有效性。
　　第五，針對 MOEA/D算法求解約束多目標優(yōu)化問題時存在分布性欠佳和收斂精度不高的問題，提出一種基于重新匹配策略的ε約束多目標分解優(yōu)化算法。首先，對切比雪夫分解策略進行理論分析和推導，得到兩條關于多樣性和收斂性的定理，為研究MOEA/D算法提供理論基礎。其次，為有效解決由于隨機為權(quán)重向量分配個體造成種群多樣性降低的問題，提出

8、權(quán)重向量和個體的重新匹配策略來改善種群多樣性。最后，提出ε約束方法，較好地兼顧多樣性和收斂性。仿真實驗結(jié)果驗證了改進算法的有效性。
　　第六，將基于混合策略的雙種群約束單目標優(yōu)化算法和基于自適應ε的約束單目標優(yōu)化算法分別用于軟件工程調(diào)度，將基于雙種群的約束多目標優(yōu)化算法和基于自適應ε截斷策略的約束多目標優(yōu)化算法分別用于相控陣雷達參數(shù)優(yōu)化設計，將基于重新匹配策略的ε約束多目標分解優(yōu)化算法用于大型艦船總體要素優(yōu)化設計，以改善現(xiàn)有設計方