改進(jìn)的進(jìn)化算法用于求解約束優(yōu)化問(wèn)題.pdf

1、在科學(xué)研究和工程實(shí)踐中，許多實(shí)際問(wèn)題最終都?xì)w結(jié)為求解一個(gè)帶約束條件的函數(shù)優(yōu)化問(wèn)題。進(jìn)化計(jì)算作為一類通過(guò)模擬生物進(jìn)化過(guò)程與機(jī)制來(lái)求解問(wèn)題的優(yōu)化技術(shù)，為解決復(fù)雜優(yōu)化問(wèn)題提供了新的思路和方法，并且在許多約束優(yōu)化問(wèn)題的求解上取得了成功。近年來(lái)，越來(lái)越多的研究者將注意力投在進(jìn)化算法上，提出了多種約束優(yōu)化進(jìn)化算法。 本文作者結(jié)合佳點(diǎn)集理論重新設(shè)計(jì)交叉算子，提出佳點(diǎn)集交叉算子，該交叉算子能夠生成實(shí)數(shù)域中具有代表性的子代個(gè)體以更好地搜索決策空間

2、。針對(duì)該交叉算子，提出一種求解約束優(yōu)化問(wèn)題的新算法--基于佳點(diǎn)集約束優(yōu)化進(jìn)化算法(COAGPN)。該算法首先把約束優(yōu)化問(wèn)題轉(zhuǎn)化為兩個(gè)目標(biāo)的多目標(biāo)優(yōu)化問(wèn)題；接著佳點(diǎn)集交叉算子生成子代個(gè)體和BGA變異算子增加子代個(gè)體的多樣性；最后根據(jù)當(dāng)前子代群體的進(jìn)化信息，利用聯(lián)賽選擇算子或Pareto優(yōu)超關(guān)系選擇優(yōu)勝個(gè)體進(jìn)入下代群體。12個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)的實(shí)驗(yàn)驗(yàn)證算法的有效性、穩(wěn)健性和通用性，同時(shí)也驗(yàn)證了算法收斂速度快的特點(diǎn)，通過(guò)與另外兩個(gè)較好的約束優(yōu)化進(jìn)

3、化算法的實(shí)驗(yàn)結(jié)果的比較表明了該算法具有很高的性能。 本文作者還結(jié)合記憶策略、差異進(jìn)化算法和粒子群優(yōu)化算法提出記憶進(jìn)化算法(MCOEA)。MCOEA包含兩個(gè)進(jìn)化種群：群體和在進(jìn)化過(guò)程中獲取的經(jīng)驗(yàn)組成的記憶單元，種群只允許違反約束程度大的一半粒子由粒子群優(yōu)化算法進(jìn)化，這些粒子根據(jù)自己歷史最好位置和群體歷史最好位置提供的信息在搜索區(qū)域中遍歷，期望找到更好的位置。Acquire()函數(shù)將更好的粒子新位置替換掉記憶單元中的對(duì)應(yīng)個(gè)體。差異進(jìn)