论文部分内容阅读
在科学技术和经济管理等诸多领域,许多问题都可归结为某种函数的最优化这类数学模型。进化算法作为处理复杂函数最优化、全局最优化和多目标最优化问题的一种有效算法,正日益受到人们的重视。本文对带约束的单目标、多目标、分层多目标最优化进化算法进行了研究,提出了新的算法。 针对进化算法计算量大、局部搜索能力弱的不足,把一种数学试验方法——均匀设计用于构造进化算子,使新的进化算子具有相似于传统最优化算法的局部搜索特性,提高了算法的搜索效率。对一组测试函数的数值实验表明新算法计算量少收敛速度快。 对多目标最优化问题,我们构造了一个新的适应值函数,它以规范化后的目标函数乘以一个适当的权重再取最大值作为适应值函数。权重的构造方法与通常的方法不同,它既不限制权重介于0与1之间,也不要求它们之和为1,而只需权重为正且要求它们之积为1。通过广义球面坐标变换选取多组权重向量和均匀设计构方法,保持了种群的多样性,使新算法更易于求出均匀分布的Pareto最优解。该算法的显著特性是不管有效界面是否凸,都能找到足够多均匀分布的有效解。同已有的好算法的数值实验比较也表明了该算法的有效性。 提出了求解约束最优化问题的一种新的进化算法。算法通过把约束优化问题转化为多目标规划,对这个多目标规划,根据带权极小极大策略构造了一个同进化代数有关的变适应值函数。这样定义的变适应值函数能使种群中的容许解逐渐增加并且保持其多样性。该方法能有效处理约束,特别是紧约束。用类似的思想给出了解决约束多目标最优化的一种新的进化算法,计算机仿真显示这种处理单目标、多目标的方法是有效的。 提出了求解二层字典分层多目标最优化的进化算法。该算法把求解问题转化为多目标最优化,用第二优先层的非劣解来确定选择算子,利用求解多目标最优化类似的方法,直接求出问题的解而不用逐层求解。数值模拟表明该方法是可行的