论文部分内容阅读
最优化问题广泛存在于社会经济各部门中,对该类问题的研究有着广阔的应用前景以及巨大的科研价值。如何更好地求解优化问题,一直以来普遍受到各界的重视,同时也在实践中涌现了大批的相关工作。
进化算法(Evolutionary Algorithm,EA)具有良好的延展性、鲁棒性以及全局搜索能力,可以弥补传统数学方法的不足,发展至今已被广泛应用于求解各类优化问题。但进化算法缺乏局部搜索能力,在解决一些较为复杂的问题时,其收敛性会遇到挑战。文化基因算法(Memetic algorithm,MA)是Pablo Moscato提出的一种将模因信息演变类比成数据进化理论的进化算法,它在常规全局搜索算法的基础上,引入了局部搜索的概念,对全局搜索得到的个体进行局部优化操作,从而达到增强算法性能的目的。这一策略也使得MA区别于其他常规启发式算法,实际上,MA更像是一种混合算法的框架,在被提出后吸引了大量研究人员的兴趣。
本文探索文化基因算法在多目标优化领域的应用,主要做了以下几点工作:
(1)首先,对目前常见的混合算法框架进行分析,指出了它们的不足,并以此为出发点提出一种基于自引导的局部搜索体系。该体系使用个体自身的基因来引导邻居的生成,从而减少无意义的邻居。然后,将使用高斯概率密度函数的模拟退火算子引入算法中作为局部搜索算子,并设计了基于拥挤距离方差的接受策略。基于上述两点,在第三章中提出了带精英开发策略的自引导多目标文化基因算法(S-SANSGA-Ⅱ),并通过对比实验验证其性能。
(2)针对局部搜索算子过多地消耗计算资源的问题,提出一种新的局部搜索算子,该算子使用双曲正切函数作为状态发生器,通过调整取值区间来影响波动强度,该算子具有简单快速的优点,在提高算法收敛度的同时确保了过程的简洁。同时,设计了一种基于拥挤距离轮盘赌的资源分配策略来维持种群多样性。另外,还设计了一种个体开发的强度干预机制,允许决策者调整偏好因子来干预个体开发的强度,强调了决策者的偏好对进化过程的影响。基于上述三点,在第四章中提出了带精英开发与资源分配策略的快速自引导多目标文化基因算法(NSGA-Ⅱ-BnF),最后,将该算法与9种有竞争力的算法在36个不同复杂程度的多目标问题上进行了应用实践,并通过对比分析实践结果证明了提出的算法的优越性。
进化算法(Evolutionary Algorithm,EA)具有良好的延展性、鲁棒性以及全局搜索能力,可以弥补传统数学方法的不足,发展至今已被广泛应用于求解各类优化问题。但进化算法缺乏局部搜索能力,在解决一些较为复杂的问题时,其收敛性会遇到挑战。文化基因算法(Memetic algorithm,MA)是Pablo Moscato提出的一种将模因信息演变类比成数据进化理论的进化算法,它在常规全局搜索算法的基础上,引入了局部搜索的概念,对全局搜索得到的个体进行局部优化操作,从而达到增强算法性能的目的。这一策略也使得MA区别于其他常规启发式算法,实际上,MA更像是一种混合算法的框架,在被提出后吸引了大量研究人员的兴趣。
本文探索文化基因算法在多目标优化领域的应用,主要做了以下几点工作:
(1)首先,对目前常见的混合算法框架进行分析,指出了它们的不足,并以此为出发点提出一种基于自引导的局部搜索体系。该体系使用个体自身的基因来引导邻居的生成,从而减少无意义的邻居。然后,将使用高斯概率密度函数的模拟退火算子引入算法中作为局部搜索算子,并设计了基于拥挤距离方差的接受策略。基于上述两点,在第三章中提出了带精英开发策略的自引导多目标文化基因算法(S-SANSGA-Ⅱ),并通过对比实验验证其性能。
(2)针对局部搜索算子过多地消耗计算资源的问题,提出一种新的局部搜索算子,该算子使用双曲正切函数作为状态发生器,通过调整取值区间来影响波动强度,该算子具有简单快速的优点,在提高算法收敛度的同时确保了过程的简洁。同时,设计了一种基于拥挤距离轮盘赌的资源分配策略来维持种群多样性。另外,还设计了一种个体开发的强度干预机制,允许决策者调整偏好因子来干预个体开发的强度,强调了决策者的偏好对进化过程的影响。基于上述三点,在第四章中提出了带精英开发与资源分配策略的快速自引导多目标文化基因算法(NSGA-Ⅱ-BnF),最后,将该算法与9种有竞争力的算法在36个不同复杂程度的多目标问题上进行了应用实践,并通过对比分析实践结果证明了提出的算法的优越性。