實值演化算法投資組合研究.pdf

1、實值優(yōu)化問題普遍存在于工業(yè)與工程實踐中，具有廣泛的應(yīng)用背景。演化算法是從自然界的進化與自適應(yīng)機制中獲得啟發(fā)而發(fā)展起來的求解問題的計算方法，具有簡單、易于操作和通用性強等特性，在實值優(yōu)化領(lǐng)域取得了廣泛的成功，受到了人們越來越多的重視。數(shù)十年間，演化實值優(yōu)化獲得了飛速的發(fā)展，各種各樣的實值演化算法不斷涌現(xiàn)。這些算法的提出一方面促進了實值演化優(yōu)化的發(fā)展，但同時也給實踐人員帶來了如何選擇算法的問題。實際中，人們所能提供的計算時間通常是有限的。因

2、此，怎樣在有限時間內(nèi)為給定問題找到盡可能好的解，具有十分重要的現(xiàn)實意義。
　　 對于一個給定的問題，人們常常事先并不知道選擇何種算法才能有效地進行求解。由于計算時間有限，一旦所選擇的算法表現(xiàn)不佳，則很難再有足夠的時間選擇下一個算法進行有效求解。因此，對算法的選擇是有風(fēng)險的。針對這一問題，我們提出了一個用于比較兩個算法風(fēng)險程度的度量標準，并討論了該標準的合理性。在定義了風(fēng)險度量標準之后，我們還面臨怎樣減小已有算法的風(fēng)險程度這一問題

3、。我們建議，相對于將所有計算時間都“投注”在單個算法上，將時間分配在多個算法上將能夠獲得更優(yōu)的整體性能?；谶@一思想，我們設(shè)計出一種演化算法的投資組合設(shè)計框架(population—based algorithmportfolios，PAP)。它將計算時間預(yù)先分配到多個子算法上，子算法并行進行搜索。此外，PAP通過周期性地激活遷移機制以促進子算法間的信息交流。該框架能夠?qū)⑷我鈱嵵笛莼惴ńM合在一起，具有簡單、易實現(xiàn)等優(yōu)點。我們通過理論與

4、實驗相結(jié)合的方式。全面分析了PAP框架在提升子算法整體性能、減小子算法風(fēng)險方面的潛力。
　　 接下來，我們進一步討論了如何在有限時間內(nèi)最有效地求解一組實值優(yōu)化問題。而對于實值優(yōu)化問題，通常存在若干演化算法可以對其進行求解。通過第二章的研究成果可以看出。相對于簡單地將計算時間平均分配到各個候選算法上，或者任意選擇一個算法并將所有計算時間分配給該算法，更好的做法是在求解問題之前先進行算法選擇。基于這樣的考慮，我們提出了以演化算法投資

5、組合作為基本搜索算法的解決方案。該方案能夠為一個給定的問題集自動地找出最優(yōu)PAP實例，具有簡單易用的優(yōu)點。此外，它對問題間的聯(lián)系不作任何假設(shè)，并且利用了所有算法在所有問題上的性能信息。PAP作為該解決方案的基本搜索算法，具有提升其子算法在給定問題集上整體性能的潛力。然而，怎樣選擇一個最優(yōu)的算法子集來進行投資組合設(shè)計，在此前的工作中并沒有提及。我們第一次將這一選擇任務(wù)形式化為一個優(yōu)化問題，并提出兩個選擇方法，試圖盡可能高效地找出最優(yōu)的PA

6、P實例。實驗結(jié)果表明，該解決方案在解決一組問題時具有十分優(yōu)異的性能。
　　 最后，我們將演化算法投資組合應(yīng)用于非均勻間隔對稱天線陣列綜合問題。由于差分演化算法和粒子群算法在該問題上都已表現(xiàn)出良好的性能，因此，我們相應(yīng)地選擇了差分演化算法的一個變體，和粒子群算法的一個變體，作為子算法進行投資組合設(shè)計。為了評估該投資組合實例的整體性能，我們將其與非均勻天線陣列綜合領(lǐng)域代表目前最新水平的算法進行全方面的比較。實驗表明。該投資組合實例在