社會認知優(yōu)化改進及其應(yīng)用研究.pdf

1、演化計算是用計算機模擬大自然的演化過程，特別是生物的進化過程，來求解復(fù)雜問題的一類計算模型。演化計算具有自學(xué)習(xí)、自組織、自適應(yīng)的特征和簡單、通用、魯棒性強、適于并行處理的優(yōu)點，已經(jīng)被廣泛應(yīng)用于實際應(yīng)用中需要進行大量的搜索和優(yōu)化的領(lǐng)域。 社會認知優(yōu)化(Society Cognitive Optimization)就是這樣一種模擬人類社會的演化算法。社會認知優(yōu)化是基于社會認知理論(Society Cognitive Theory)發(fā)

2、展起來的一種智能優(yōu)化算法。社會認知理論認為人格是綜合遺傳、環(huán)境和認知而形成的，特別重視環(huán)境和認知的作用，強調(diào)人際之間社會學(xué)習(xí)的重要性。社會認知優(yōu)化是通過競爭選擇和領(lǐng)域搜索來模擬社會認知理論中的社會學(xué)習(xí)能力，用代理來代表社會中的人，用知識庫來代表社會中的知識，通過代理與知識庫之間不斷的交互來模擬人類的社會學(xué)習(xí)過程，從而達到優(yōu)化學(xué)習(xí)的目的。 自組織遷移算法也是一種演化算法。這種算法模擬的是一群動物尋找食物的過程，群體中的所有成員總

3、是朝向群體中最好的個體進行跳躍式的搜索。自組織遷移算法不像經(jīng)典的演化計算那樣通過父代產(chǎn)生新的個體，而是個體在搜索空間內(nèi)朝向最好的個體運動搜索的過程。 本文將自組織遷移算法引入了社會認知優(yōu)化，結(jié)合兩者的優(yōu)點，對社會認知優(yōu)化進行了改進，在社會認知優(yōu)化的過程中融入自組織遷移的過程，通過增加兩個參數(shù)協(xié)調(diào)兩者優(yōu)化的進程。實驗結(jié)果顯示，改進后的社會認知優(yōu)化可以在優(yōu)化早期就獲得較快的收斂速度，卻只對最終的優(yōu)化結(jié)果產(chǎn)生微小的影響。 然后

4、，將改進的社會認知優(yōu)化算法應(yīng)用于求解SAT問題。命題邏輯中合取范式（CNF）的可滿足性問題（SAT問題）是當代理論計算機科學(xué)的核心問題，是一典型的NP完全問題。由于現(xiàn)代科技、軍事以及經(jīng)濟管理的大量重要應(yīng)用都歸結(jié)為求解NP完全問題，因此，它的快速求解不僅具有重要的理論意義，而且在軟件自動開發(fā)技術(shù)、VLSI設(shè)計以及知識庫維護等許多領(lǐng)域都有重要的實際應(yīng)用價值。各國學(xué)者對它進行了廣泛而深入的研究，提出了完全算法和不完全算法。本文將改進的社會認知

5、優(yōu)化求解該問題，結(jié)果比較滿意，證實了該算法的實用性。 最后，將改進的社會認知優(yōu)化算法應(yīng)用于求解圓形packing問題。圓形packing問題是裝填布局優(yōu)化問題的一種，它是NP完全問題，要求解其最優(yōu)解是十分困難的。對packing問題的探索可以廣泛應(yīng)用于工程機械、潛艇、船舶、車輛、高速列車、機器人的布局方案設(shè)計問題，目前常用的布局優(yōu)化方法有數(shù)學(xué)規(guī)劃法、圖論法、啟發(fā)式方法等。本文應(yīng)用了改進的社會認知優(yōu)化求解了該問題，獲得了比較令人滿