求解約束優(yōu)化問題的差分進化算法.pdf

1、約束優(yōu)化問題是實際中經(jīng)常用到的一類數(shù)學(xué)規(guī)劃問題。近年來，約束優(yōu)化問題的求解已成為進化計算研究的一個重要方向。差分進化算法因其原理簡單、受控參數(shù)少、魯棒性強等特點，引起了越來越多學(xué)者的關(guān)注，但是其本質(zhì)上是一種無約束的優(yōu)化算法，在求解約束優(yōu)化問題時需要引入約束處理技術(shù)。從約束差分進化算法=約束處理技術(shù)+差分進化算法的研究框架出發(fā)，從兩方面來考慮約束優(yōu)化差分進化算法的性能具有理論意義和應(yīng)用前景。
　　 本文首先對差分進化算法的研究背景

2、和發(fā)展現(xiàn)狀做了簡要的描述，并就其原理、改進策略、較其他進化算法的優(yōu)點和應(yīng)用做了詳細說明；然后對基于進化算法的約束處理技術(shù)進行分類，并對每類方法的研究現(xiàn)狀做了綜述；最后將復(fù)合差分進化算法與兩種不同的約束處理技術(shù)相結(jié)合，提出了兩種改進的約束復(fù)合差分進化算法。
　　 第一種改進算法基于懲罰函數(shù)法，利用自適應(yīng)懲罰函數(shù)的約束處理技術(shù)，引入距離作為適應(yīng)值函數(shù)，根據(jù)種群的可行率計算個體的距離，對每個個體施行兩種懲罰，分別基于目標函數(shù)和約束違反

3、程度；同時結(jié)合復(fù)合差分進化算法，保留后代種群中的較優(yōu)個體。這樣既保留了種群的多樣性，又使得種群可以在尋找可行解和尋找最優(yōu)解之間進行調(diào)節(jié)。數(shù)值實驗結(jié)果表明，新算法與同類算法相比，具有較好的全局尋優(yōu)能力和自適應(yīng)性。
　　 第二種改進算法基于多目標法，將原問題轉(zhuǎn)化為包含原目標函數(shù)和約束違反程度兩個目標的多目標優(yōu)化問題，運用多目標優(yōu)化方法進行求解。該方法由兩部分組成：種群進化模型和不可行解替換機制。種群進化模型中復(fù)合差分進化算法作為搜索