隨機(jī)動(dòng)態(tài)規(guī)劃的智能算法研究與應(yīng)用.pdf

1、現(xiàn)實(shí)生活和生產(chǎn)中普遍存在著隨機(jī)因素，由于受到隨機(jī)因素的影響，使得對(duì)問(wèn)題的求解造成不便。目前對(duì)隨機(jī)條件下的尋優(yōu)問(wèn)題，主要從期望值角度、機(jī)會(huì)測(cè)度角度及其他的角度出發(fā)，應(yīng)用隨機(jī)模擬、神經(jīng)網(wǎng)絡(luò)與智能算法的混合算法來(lái)求解。
　　 論文在前人的基礎(chǔ)上，根據(jù)隨機(jī)條件下的動(dòng)態(tài)規(guī)劃模型的特點(diǎn)，在改進(jìn)差分進(jìn)化算法的基礎(chǔ)上設(shè)計(jì)了隨機(jī)期望值模型的混合算法用于每個(gè)階段求解最優(yōu)值，在此基礎(chǔ)上設(shè)計(jì)了求解多階段問(wèn)題的智能算法--隨機(jī)動(dòng)態(tài)規(guī)劃的智能算法。主要工作

2、如下：
　　 (1)對(duì)差分進(jìn)化算法進(jìn)行改進(jìn)。提出多種群下的差分進(jìn)化算法，通過(guò)使任意兩個(gè)子種群之間不會(huì)出現(xiàn)同一個(gè)峰值來(lái)使種群不重疊，并通過(guò)以某個(gè)個(gè)體為中心的球體內(nèi)產(chǎn)生新個(gè)體的方式增加種群的多樣性。通過(guò)實(shí)例驗(yàn)證算法的可行性。
　　 (2)求解隨機(jī)期望值模型的混合算法。通過(guò)隨機(jī)模擬求解期望值，RBF神經(jīng)網(wǎng)絡(luò)模擬期望值函數(shù)，改進(jìn)差分進(jìn)化算法尋優(yōu)，三者混合求解期望值的最優(yōu)值，實(shí)例比較得出此算法能夠有效求解期望值模型。