求解函數(shù)優(yōu)化問題的遺傳算法設(shè)計(jì)研究.pdf

1、遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的計(jì)算模型，是一種全局優(yōu)化算法，被廣泛地應(yīng)用于求解工程優(yōu)化問題。遺傳算法有兩個(gè)缺點(diǎn)，一個(gè)缺點(diǎn)是局部搜索能力弱，另一個(gè)缺點(diǎn)是容易出現(xiàn)早熟。為了克服這兩個(gè)缺點(diǎn)，針對函數(shù)優(yōu)化問題，本文做了如下四個(gè)方面的研究工作：
　　 1.針對遺傳算法局部搜索能力差的缺點(diǎn)，本文將黃金分割法和適應(yīng)值共享嵌入遺傳算法，提出了基于爬山算子和適應(yīng)值共享的改進(jìn)遺傳算法。黃金分割法增強(qiáng)了遺傳算法的局部搜索能力。

2、本文對若干經(jīng)典的函數(shù)優(yōu)化問題進(jìn)行數(shù)值實(shí)驗(yàn)，試驗(yàn)結(jié)果表明了該算法在求解精度和收斂速度上優(yōu)于FSGA和HX-NUM。
　　 2.針對目標(biāo)函數(shù)不存在導(dǎo)數(shù)的函數(shù)優(yōu)化問題，本文提出了最速方向法，該算法不僅克服了第一類傳統(tǒng)的優(yōu)化算法必須求導(dǎo)的缺點(diǎn)，而且能求解到高精度的局部最優(yōu)解。本文將最速方向法嵌入基于適應(yīng)值共享的遺傳算法，提出了基于最速方向法的改進(jìn)遺傳算法。數(shù)值試驗(yàn)結(jié)果表明了該算法在求解精度上優(yōu)于StGA、FEP、HSOGA和LEA。

3、r>　　 3.針對遺傳算法容易出現(xiàn)早熟的缺點(diǎn)，有些學(xué)者提出了雙種群的策略來維持種群多樣性。本文對基于自適應(yīng)多樣性控制的雙種群遺傳算法進(jìn)行改進(jìn)，提出了基于輔助種群分類的遺傳算法。改進(jìn)的算法利用先驗(yàn)知識將輔助種群分為若干類，維持了輔助種群多樣性。數(shù)值試驗(yàn)結(jié)果表明了該算法優(yōu)于FSGA和DPGA。
　　 4.在一些雙種群遺傳算法中，半徑參數(shù)變化過快，使輔助種群不受控制。針對該缺陷，本文用余弦函數(shù)來刻畫半徑參數(shù)的變化，提出了基于半徑參數(shù)