论文部分内容阅读
大量科学和工程问题都可以建模归纳为优化问题,优化问题主要包括无约束优化、约束优化和组合优化三类。这些问题的解空间规模大、复杂,求解困难,到目前为止,该类问题仍然没有得到很好地解决,因此,优化问题的求解算法研究一直是工程优化与计算智能领域的国际研究前沿与热点。群体智能计算因其高效性已成为了一个重要研究方向。本文针对一种全新的群体智能算法——布谷鸟算法(Cuckoo Search, CS)开展研究,主要工作包括:布谷鸟算法的改进以及该算法在函数优化、约束优化以及离散调度优化问题中的应用。首先介绍了优化算法的本质,总结了布谷鸟算法的基本理论框架和基本应用。在该理论框架下,引入师生交流算法中的师生交流机制,提出了基于师生交流机制的布谷鸟算法(Teaching-learning-based Cuckoo Search, TLCS),算法中,CS中丢弃的劣解部分通过Lévy飞行更新;对于其余的较优解,则通过师生交流机制进行局部搜索。为了验证TLCS的有效性,本文选取了40个典型的标准测试函数对算法进行测试,并与相同参数设置下的布谷鸟算法和师生交流算法进行比较,实验结果表明TLCS算法相对其他两个算法有很大的性能提升。其次,针对约束优化问题,在已提出的TLCS基础上,构建了新的约束处理机制,并采用13个著名的约束优化问题对算法进行检验,并同其他算法进行比较分析。实验结果显示提出的TLCS算法在搜索精度和收敛速度以及稳定性方面均要优于其他算法。接着,将提出的TLCS应用于加工工艺参数优化问题和结构设计优化问题。针对两类工程问题分别选取了3个和4个代表性的案例,采用TLCS和其他算法分别对这些这些工程优化问题进行求解,实验结果验证了TLCS算法的高效性和优越性。然后,为了拓展TLCS算法的应用范围,针对流水车间调度问题这一典型的组合优化问题,通过引入基于随机键的编码方式,将TLCS算法成功应用于离散型调度问题的求解,利用常用的流水车间调度标准测试问题对提出的算法进行验证,仿真结果表明提出的算法是有效的,这为调度问题的群体智能算法求解提供了新的选择。最后,对全文进行了总结,并展望了进一步的研究方向。