论文部分内容阅读
该文在广泛深入地查阅国内外文献的基础上,对进化优化的若干理论和应用基础问题进行深入的分析与研究,主要内容如下:在实施最优个体保留策略的前提下?系统而完整地讨论了用进化算法进行进化优化的收敛性.在给出进化优化的概率模型和收敛性定义后,对搜索空间有限的情形给出了两个收敛的充分条件并以此证明了基于二进制编码的遗传算法以及遗传规划的收敛性.对连续搜空间的情形,也给出收敛的充分条件并用它们证明了基于实数编码的遗传算法使用若干常用遗传算子时的收敛性.最后讨论了进化规划和进化策略使用高斯和柯西变异算子时的收敛性.给出了NFL定理的一个新证明并将它推广到带有编码结构的算法的情形讨,论了NFL定理对进化算法研究与设计的指导和启发.针对进化算法效率不高的问题,作了两个方面的改进工作.对进化规划中普遍存在的早熟收敛,从预防和克服早熟收敛入手,将遗传算法中较成熟的小生境技术和重开始策略结合到进化规划的框架中来.研究人员结合遗传算法的特点,提出了采用竞争选择方法并引入基于适应值和违反约束量的直接比较个体优劣的机制,以及结合适应性地保持群体中不可行解决比例策略的约束处理方法--直接比较--比例方法,并将它结合到遗传算法中.求解典型问题的数值结果说明,这种方法能充分发挥遗传算法的特点,是一种通用、高效、稳健的处理约束条件的方法.