演化動態(tài)優(yōu)化研究.pdf

1、作為求解復(fù)雜問題的一種強(qiáng)有力的搜索和優(yōu)化技術(shù)，演化算法的誕生受演化生物學(xué)的啟發(fā)，并且已經(jīng)被成功應(yīng)用于很多領(lǐng)域，如規(guī)劃（如路由、調(diào)度等）、設(shè)計（如信號處理等）、模擬和識別、控制以及分類（如機(jī)器學(xué)習(xí)、模式識別等）。傳統(tǒng)的演化算法研究大多關(guān)于求解靜態(tài)優(yōu)化問題，求解目標(biāo)一般為找到給定問題的最優(yōu)解。然而，實(shí)際應(yīng)用中，一般來說待求解問題會隨時間不斷變化。例如目標(biāo)函數(shù)、問題實(shí)例或者約束條件等與待求解問題有關(guān)的因素在不同的時刻都可能是不同的。此時的優(yōu)化

2、目標(biāo)一般為找到待求解問題在每一時刻的最優(yōu)解，即追蹤隨時間不斷變化的追蹤解。在解決這類動態(tài)優(yōu)化問題時，傳統(tǒng)的演化算法由于易于收斂到搜索空間中某個較小的區(qū)域而無法較好地適應(yīng)環(huán)境的變化。為解決收斂的問題，一種很自然的想法為使得種群在演化過程中始終保持一定程度的多樣性，而種群遷移策略則是基于該目標(biāo)的一種簡單有效的方法。為了保持種群多樣性，種群遷移策略在每一代引入按一定機(jī)制生成的遷移個體來替換當(dāng)前種群中的部分個體。我們首先根據(jù)遷移個體的生成機(jī)制，

3、將現(xiàn)有的種群遷移策略分類為直接以及間接種群遷移策略。然后通過一系列實(shí)驗(yàn)分析比較了兩類種群遷移策略在動態(tài)環(huán)境中的行為。實(shí)驗(yàn)結(jié)果表明，大多數(shù)情況下，直接種群遷移策略性能優(yōu)于間接種群遷移策略，而魯棒性則比間接種群遷移策略差?；诖朔治?，我們提出了一種混合種群遷移策略，即混合了兩種類型種群遷移策略生成的遷移個體。實(shí)驗(yàn)結(jié)果表明該策略能夠很好的平衡算法在動態(tài)環(huán)境中的性能和魯棒性。此外，我們研究了種群遷移策略中替換率大小對算法性能的影響，實(shí)驗(yàn)表明，對

4、于不同的種群替換策略，不同的問題，不同的環(huán)境，以及不同的搜索階段，最佳的替換率值不同且差異較大。為了減輕調(diào)整參數(shù)的負(fù)擔(dān)，我們提出了一種基于自適應(yīng)替換率的種群遷移策略，它根據(jù)引入的遷移個體在當(dāng)前時刻的有效程度來調(diào)整替換率的大小。實(shí)驗(yàn)表明，對于不同的種群遷移策略以及不同的環(huán)境，該自適應(yīng)機(jī)制均能獲得良好的性能，從而避免了為特定問題、特定環(huán)境以及特定算法調(diào)節(jié)參數(shù)的麻煩。接下來，我們指出了當(dāng)以追蹤最優(yōu)解為目標(biāo)時，傳統(tǒng)的演化動態(tài)優(yōu)化在實(shí)際應(yīng)用中面對

5、的諸多難題。提出了一種新的解決方案，即動態(tài)魯棒優(yōu)化，該方案的優(yōu)化目標(biāo)為尋找時間域上的魯棒解序列。然后闡述了動態(tài)魯棒優(yōu)化與動態(tài)優(yōu)化、魯棒優(yōu)化之間的區(qū)別和聯(lián)系，并在離散時間動態(tài)優(yōu)化問題上分析了動態(tài)魯棒優(yōu)化的性質(zhì)。基于此分析，我們提出了一種衡量時間域上魯棒性的方法，并設(shè)計了一個基于適應(yīng)度值估計和預(yù)測的動態(tài)魯棒優(yōu)化求解框架。作為該框架下的一個算法實(shí)例，我們使用了多峰粒子群優(yōu)化算法、徑向基函數(shù)以及自回歸模型技術(shù)。為了方便衡量和對比算法之間的性能，

6、我們提出了一系列適用于動態(tài)魯棒優(yōu)化的測試函數(shù)以及評價指標(biāo)。通過實(shí)驗(yàn)，我們驗(yàn)證了提出的算法框架能夠有效求解動態(tài)魯棒優(yōu)化問題。最后，我們將研究對象設(shè)定為給定的一個問題集，而將優(yōu)化目標(biāo)設(shè)定為尋找該問題集上的魯棒解集。我們將此問題稱作多解魯棒優(yōu)化，并闡述了其實(shí)際意義，說明了其與動態(tài)優(yōu)化、魯棒優(yōu)化以及動態(tài)魯棒優(yōu)化之間的區(qū)別和聯(lián)系。然后，我們給出了多解魯棒優(yōu)化的一種形式化定義，并且基于該定義，提出了一種雙層次優(yōu)化算法，將多解魯棒優(yōu)化過程分解為尋找備