膜計算仿生優(yōu)化算法及應用研究.pdf

1、復雜的優(yōu)化問題廣泛存在于科學研究和工程應用領(lǐng)域中。仿生計算是一類有效的求解方法。膜計算是一種新的從生物細胞以及由細胞組成的組織和器官結(jié)構(gòu)與功能中抽象出來的并行分布式計算模型。針對復雜的非線性優(yōu)化問題，基于膜計算的基本思想和框架，受生物細胞結(jié)構(gòu)和功能的啟發(fā)，并融合進化計算和數(shù)學規(guī)劃方法的研究成果，本文研究了膜計算仿生優(yōu)化算法及應用問題。算法中采用獨特的計算結(jié)構(gòu)、規(guī)則及計算策略。通過典型的測試函數(shù)和工程實例，對所提出的膜計算仿生優(yōu)化算法進行

2、了算法性能研究和對比試驗。本文的主要研究成果如下：
　　 (1)針對無約束優(yōu)化問題，受真核細胞高爾基體形態(tài)和功能的啟發(fā)，在膜計算的基本框架基礎(chǔ)上，提出了一種膜計算仿生優(yōu)化算法(bio-inspired algorithmbased on membrane computing--BIAMC)。該算法采用新的網(wǎng)狀膜結(jié)構(gòu)，在形態(tài)上模仿了高爾基體。各并行基本膜中采用改寫規(guī)則、配對規(guī)則、交流規(guī)則、選擇規(guī)則來實現(xiàn)算法的全局范圍的隨機搜索；而

3、在擬高爾基體膜中則采用移位規(guī)則、提取規(guī)則、選擇規(guī)則和交流規(guī)則在當前的最優(yōu)解附近合成新的最優(yōu)解，從而實現(xiàn)了算法在全局搜索和局部逼近兩個方面的搜索平衡。BIAMC的計算和搜索策略是模擬高爾基體的功能和運用膜計算不確定性的計算策略，不采用進化計算的保持解多樣性的均勻逼近最優(yōu)解的策略。以15個典型無約束測試函數(shù)構(gòu)建測試環(huán)境，進行尋優(yōu)和算法參數(shù)的敏感性研究。計算結(jié)果以及與其它優(yōu)化算法的對比表明了所提出算法的有效性。
　　 (2)提出了一種

4、改進的膜計算仿生優(yōu)化算法，既能求解無約束優(yōu)化問題也可以求解有約束優(yōu)化問題。在BIAMC算法基礎(chǔ)上，改進的BIAMC算法中不僅優(yōu)化了膜結(jié)構(gòu)及改寫規(guī)則和交流規(guī)則，并在擬高爾基體膜中增加了目標導向規(guī)則，從而使算法在求解無約束問題時效率更高。將二次罰函數(shù)法引入算法中，使該算法適于求解有約束問題。以14個典型的無約束和有約束測試函數(shù)構(gòu)建測試環(huán)境，并通過求解汽油調(diào)合調(diào)度問題對所提算法的性能進行研究。與其它算法尋優(yōu)的結(jié)果對比，表明所提出的算法可以有效

5、地找到或者逼近問題的最優(yōu)解。
　　 (3)針對復雜有約束優(yōu)化問題，提出了三種混合膜計算優(yōu)化算法。這些算法都是將序貫二次規(guī)劃方法(SQP)，作為一個規(guī)則植入膜結(jié)構(gòu)的一個膜中。對于一般單目標有約束問題，一種混合膜計算優(yōu)化算法是采用串行融合機制，另一種則采用嵌入融合機制融合。針對機器人路徑規(guī)劃問題，一種具有動態(tài)膜結(jié)構(gòu)的混合優(yōu)化算法采用了動態(tài)膜結(jié)構(gòu)和串行融合機制。與其它混合優(yōu)化方法不同，分布式的算法結(jié)構(gòu)使得混合膜計算優(yōu)化算法在求解優(yōu)化問

6、題時更顯優(yōu)勢。典型測試函數(shù)和工程實例應用的實驗結(jié)果，驗證了所提算法的有效性和可行性。
　　 (4)提出了一種多目標膜計算仿生優(yōu)化算法(multi-objective bio-inpsiredalgorithm based on membrane computing--MOBIAMC)。該方法采用了一個網(wǎng)狀的膜結(jié)構(gòu)和新的多目標優(yōu)化策略，計算代價更小，計算效率更高。通過對典型測試函數(shù)的尋優(yōu)結(jié)果及對比，表明了該方法的有效性和優(yōu)越性，其