基于演化計算的多峰函數(shù)研究.pdf

1、多峰函數(shù)(multimodal function)，即含有多個局部最優(yōu)解或全局最優(yōu)解的函數(shù)。在數(shù)學(xué)、建筑、工程、機(jī)械等眾多實際領(lǐng)域都需要將所研究的問題轉(zhuǎn)化為多峰函數(shù)問題進(jìn)行求解，如神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化以及權(quán)值優(yōu)化問題，復(fù)雜系統(tǒng)參數(shù)及結(jié)構(gòu)辨識問題等。這些現(xiàn)實問題的求解也就轉(zhuǎn)化成了多峰函數(shù)全局優(yōu)化問題的求解。對于多峰函數(shù)，尋求全部最優(yōu)解的研究已經(jīng)成為熱點，并已經(jīng)取得了很多不同方向的成果。
　　 針對多峰函數(shù)的特點，利用演化計算的可并行

2、性、高效性以及原理的簡潔性進(jìn)行研究是本文的主要思路。以下為主要的研究工作：
　　 (1)針對多峰函數(shù)問題求解的多種方法，從傳統(tǒng)方法和演化計算兩個方面對其進(jìn)行了研究以及現(xiàn)狀分析。
　　 (2)對演化計算的發(fā)展、種類及其各自的特點以及應(yīng)用領(lǐng)域做了分析研究。
　　 (3).在已有的多種優(yōu)化方法的基礎(chǔ)上，提出了一種針對多峰函數(shù)的多層次、全方位的演化計算方法（GSGL算法）。GSGL算法根據(jù)共享型遺傳算法模型原理引入性能、

3、地域離散度概念對初始種群進(jìn)行預(yù)處理，保證種群初始解的多樣性從而避免種群的早熟。
　　 (4)算法采用模糊聚類的方法將種群分塊，每個小塊被看作是一個小的種群，接著在小塊內(nèi)部實行迭代，并在此過程中引入最優(yōu)解檔案以及入檔案的判定條件，使得能找到的所有的最優(yōu)解以數(shù)組形式作為結(jié)果輸出。GSGL算法將遺傳共享、全局搜索和局部搜索等能力集中于一體，在求解多峰函數(shù)上有較好的效果。
　　 (5)將GSGL算法應(yīng)用于幾個典型的多峰函數(shù)問題求