回溯搜索算法的研究及改進(jìn).pdf

1、優(yōu)化是應(yīng)用數(shù)學(xué)中的一個(gè)重要的研究領(lǐng)域，基于自然仿生的優(yōu)化算法已經(jīng)成為人工智能和計(jì)算機(jī)科學(xué)的重要研究方向?；厮菟阉魉惴?BSA)是一種新穎的進(jìn)化算法，其采用一種獨(dú)特的變異和交叉策略，能夠利用種群的歷史信息引導(dǎo)種群進(jìn)化，保證了全局搜索能力和局部探索能力的平衡。然而，種群歷史信息在一定水平上影響算法的收斂速度。因此，本文提出了由最優(yōu)個(gè)體引導(dǎo)的回溯搜索算法以及混合序列二次規(guī)劃算法的回溯搜索算法。本文的具體工作概括如下:
　　1.提出了一種

2、求解數(shù)值優(yōu)化問(wèn)題的改進(jìn)的回溯搜索算法:由最優(yōu)個(gè)體引導(dǎo)的回溯搜索算法。為了提高算法收斂速度和求解精度，本文設(shè)計(jì)了一種由最優(yōu)個(gè)體引導(dǎo)的算子。種群進(jìn)化前期，由歷史信息引導(dǎo)的種群進(jìn)化策略能夠保證算法的全局搜索能力。種群進(jìn)化后期，算法采用最優(yōu)個(gè)體引導(dǎo)的進(jìn)化算子提高局部搜索能力。因此，算法的全局勘探和局部搜索能力達(dá)到相對(duì)平衡。該方法在CEC-2013測(cè)試集上進(jìn)行測(cè)試得到的結(jié)果表明，它能夠有效求解基準(zhǔn)函數(shù)并且提高收斂速度。
　　2.提出了一種針