论文研究进化策略中变异算子的改进。现有的变异算子都使用全基因变异,本文提出单基因变异,通过对变异成功概率、局部收敛速度、全局收敛性能、变异步长控制、计算开销、多种群技术系统地分析比较两种变异方式的优劣,建立基于递减型变异步长单基因变异算子的单种群和多种群进化策略,最后论述进化算法仿真试验平台的构建及其应用。 对进化策略及其变异算子的研究源于变异算子在进化计算中起主导作用的认识。通过对简单遗传算法的改进试验,对交叉算子作用机理的分析,证明了变异算子对交叉算子的局部和全局搜索功能的可替代性,变异算子在算法中起主导作用。 借鉴生物进化理论和基因突变思想的进化策略,其变异算子使用所有基因同时变异的全基因变异方式,本文提出了一次只随机选择其中一个基因发生变异的单基因变异方式。理论分析和仿真试验证明,对于多维优化问题,当变异步长较大时,单基因变异的成功概率大于全基因变异的成功概率,全基因变异存在进化停顿现象,而且计算开销较大,对于高维优化问题尤其突出。 理论分析证明使用Gauss分布的单基因变异算子时,保持成功概率为0.445可以获得最优的局部收敛速度,并提出相应的递减型变异步长控制策略。为了直观分析、比较进化算子的性能,提出了横向仿真技术,并用于单基因变异和全基因变异的局部收敛速度的比较研究。试验证明虽然当变异步长合适时,全基因变异算子的局部收敛速度大于单基因变异,但全基因变异算子要求变异步长较小并且范围很小,而单基因变异算子可以在变异步长较大、且在一个较大的范围内获得良好的局部收敛速度,说明单基因变异算子对变异步长具有良好的鲁棒性。通过两个反例说明Gauss分布递减型步长控制单基因变异算子全局搜索能力的不足,提出了Gauss分布递减型步长单基因变异与均匀分布变异相结合的改进进化策略(μ+λ十κ)-ES,通过一组100维典型测试函数的仿真试验,说明了(μ+λ十κ)-ES良好的局部和全局搜索能力、较少的计算开销。 为了增强(μ+λ十κ)-ES的全局搜索能力、在解多模态优化问题时