禁忌搜索與SQP相結(jié)合的混合優(yōu)化算法研究.pdf

1、本文對禁忌搜索算法作出改進，提出了一種解決帶約束連續(xù)優(yōu)化問題的禁忌搜索算法和一種解決混合整數(shù)規(guī)劃問題的禁忌搜索算法。本文主要的研究成果和創(chuàng)新點包括： (1)提出了一種適用于TS的約束處理機制。已有的連續(xù)禁忌搜索算法都只能解決無約束連續(xù)優(yōu)化問題。由于TS在搜索過程中產(chǎn)生的鄰域候選解都具有一定的隨機性，這種隨機性使它無法滿足各種約束條件。而目前用于啟發(fā)式算法的約束處理方式基本上基于懲罰函數(shù)法，但是懲罰函數(shù)法只能對不可行解進行懲罰而無

2、法將其迅速引導(dǎo)到可行區(qū)域。因此，本文提出了一種能具有將不可行解快速引導(dǎo)到可行區(qū)域的約束處理機制。通過對多個約束進行加權(quán)匯總為一個函數(shù)，然后利用SQP超線性的局部收斂性能將不可行的鄰域候選解迅速地引導(dǎo)到附近的可行區(qū)域去。仿真結(jié)果表明，在TS中，采用本約束方法是可行的，優(yōu)于一般的約束處理方式，TS結(jié)合該種約束處理機制后能夠有效地搜索全局最優(yōu)。 (2)提出了一種使用解決混合整數(shù)規(guī)劃問題的禁忌搜索算法。通過對一般混合整數(shù)規(guī)劃模型的分析，

3、可以知道一旦給定混合整數(shù)規(guī)劃模型的整型分量，那么模型就可以轉(zhuǎn)為為一個普通的非線性規(guī)劃問題。針對該特性，提出了一個具有兩層嵌套構(gòu)架的禁忌搜索算法。在外層，禁忌搜索算法用于最佳整型變量地遍歷，而內(nèi)層則充分利用SQP對NLP子優(yōu)化問題進行快速求解。仿真結(jié)果表明，在解決混合整數(shù)規(guī)劃問題時候，該方法與傳統(tǒng)解決MINLP問題的算法相比，能夠有效地避免陷入局部最優(yōu)。 (3)將本文提出的解決MINLP問題的TS算法應(yīng)用到換熱網(wǎng)絡(luò)過程中去。通過對