论文部分内容阅读
随着工业的发展和科研工作的深入，传统算法在某些复杂问题中显得捉襟见肘，与此同时，群智能算法应运而生。拟态物理学优化算法作为群智能算法的一名新秀，凭借其设置参数少、原理简单、编码易于实现等优点得到学者们的关注，并获得了一定的科研成果，但由于对拟态物理学算法的研究起步较晚，其理论尚不完善。尤其在约束优化方面(单目标、多目标及区间多目标)的研究较少。针对以上问题，本文进行了以下研究： （1）研究了基本拟态物理学优化算法的原理及不足，针对其初始化阶段样本可能分布过于集中、后期粒子可能陷入局部最优等问题提出了改进策略（引入反向学习和混沌变异机制），并将改进后的算法用于复杂函数的优化及Wiener系统参数辨识和中国31省会城市路径优化； （2）介绍了单目标约束优化问题的数学模型，尝试引入滤子技术解决约束问题，用数值实验对所提算法的可行性进行了验证，并尝试将该算法用于实际工程的参数优化； （3）定义了多目标约束优化问题(MOP)的数学模型，提出两种基于拟态物理学算法的改进算法：算法一(基于滤子技术、作用力规则和随机加权的拟态物理学算法，FMLAPO)中引入约束违反度函数用于评价不可行域内粒子的好坏，并从作用力规则上限制了Pareto前沿上的不可行域内的解；利用随机加权法实现其单目标化。算法二(基于极大熵函数和滤子技术的拟态物理学算法，FMSAPO)中利用极大熵函数法将MOP问题转化为单目标优化，再利用滤子技术处理约束条件。将所提算法用于含约束MOP问题的优化中予以测试其有效性； （4）介绍了区间多目标约束优化问题(IMOP)，尝试利用模糊加权法将IMOP优化转化为单目标区间优化(ILPM)；利用区间数理论将区间优化转化为求解目标函数区间上下界的问题，进而求解对应的确定型（单）目标优化模型，由于变换后的模型中约束条件的个数比较多，而滤子技术对约束又有较强的处理能力，故利用滤子拟态物理学算法（FMAPO）算法对其进行优化求解。