论文部分内容阅读
约束处理技术和初始种群代表性对约束优化算法的性能具有重要影响。针对ε约束处理法求解约束优化问题时结果不稳定、经验参数难取值等问题,本文首先从当前两种不同的ε约束处理法出发,通过对其优缺点的分析,将Z-ε约束处理法对等式约束额外进行δ放松的操作补充到TS-ε处理法的整体框架中,并增设一个用户自定义参数来处理多样的约束条件,从而提出了一种改进的ε约束处理法。基于原始的差分进化算法,将其与前述改进的ε约束处理法和经典的反向学习初始化种群策略耦合,提出一种轻量化的Mε-OIDE（Modifiedε-Opposition-based-learning Initialization Differential Evolution）约束优化算法。在CEC2006基准函数集上的测试结果验证了耦合策略的有效性,表明提出的Mε-OIDE算法具有高精度和强鲁棒性。此外,在水库群防洪调度问题上的优化结果进一步证明了Mε-OIDE优化算法处理实际约束优化问题的可行性和高效性。