基于模擬的智能算法及其應(yīng)用.pdf

1、在管理科學(xué)、計(jì)算機(jī)科學(xué)、系統(tǒng)科學(xué)、信息科學(xué)以及工程等領(lǐng)域都存在著大量的不確定性,如隨機(jī)性、模糊性、模糊隨機(jī)性等.這些領(lǐng)域中的很多決策需要在這些不確定環(huán)境下作出.不確定規(guī)劃是解決這些決策問題的有力工具.本文提出了多種基于模擬的智能算法求解不確定規(guī)劃模型,并研究了模糊隨機(jī)環(huán)境下多產(chǎn)品集約生產(chǎn)計(jì)劃(APP)問題.具體研究?jī)?nèi)容如下: 在很多情況下,要得到含有模糊變量、模糊隨機(jī)變量或隨機(jī)模糊變量的不確定函數(shù)的精確值是非常困難或不可能的,因

2、此,利用模擬得到這些值的估計(jì)值是很有必要的.本文提出了基于模擬(模糊模擬、模糊隨機(jī)模擬和隨機(jī)模糊模擬)的同步擾動(dòng)隨機(jī)逼近算法求解模糊規(guī)劃模型、模糊隨機(jī)規(guī)劃模型和隨機(jī)模糊規(guī)劃模型.該算法能夠快速地收斂到局部最優(yōu)解.在許多實(shí)際的優(yōu)化問題中,因?yàn)榛ㄙM(fèi)在優(yōu)化問題上的資源的限制,一個(gè)局部最優(yōu)解是完全可以接受的. 在基于模擬的同步擾動(dòng)隨機(jī)逼近算法中,模擬花費(fèi)的計(jì)算時(shí)間較多,為此,設(shè)計(jì)了集成模擬和神經(jīng)網(wǎng)絡(luò)的同步擾動(dòng)隨機(jī)逼近算法.首先使用模擬為

3、不確定函數(shù)產(chǎn)生一組輸入輸出數(shù)據(jù),然后用這些數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),把訓(xùn)練的神經(jīng)網(wǎng)絡(luò)嵌入到同步擾動(dòng)隨機(jī)逼近算法中.該算法比基于模擬的同步擾動(dòng)隨機(jī)逼近算法能夠更快地收斂到局部最優(yōu)解. 對(duì)于需要得到全局最優(yōu)解的優(yōu)化問題,設(shè)計(jì)了基于模擬的混合優(yōu)化算法進(jìn)行求解.該算法集成了模擬技術(shù)、神經(jīng)網(wǎng)絡(luò)、遺傳算法和同步擾動(dòng)隨機(jī)逼近算法. 首先使用模擬技術(shù)產(chǎn)生一組輸入輸出數(shù)據(jù),然后使用這些數(shù)據(jù)為不確定函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),把神經(jīng)網(wǎng)絡(luò)嵌入到遺傳算法和同步擾

4、動(dòng)隨機(jī)逼近算法中.遺傳算法用于在整個(gè)解空間上搜索最優(yōu)解,其初始種群和每一代由交叉和變異操作產(chǎn)生的新染色體均利用同步擾動(dòng)隨機(jī)逼近算法進(jìn)行改善.最后,把遺傳算法結(jié)束后得到的所有染色體再利用同步擾動(dòng)隨機(jī)逼近算法進(jìn)行改善,適應(yīng)度最高的染色體作為問題的最優(yōu)解.該算法既具有遺傳算法的全局搜索能力,又具有同步擾動(dòng)隨機(jī)逼近算法的較強(qiáng)的收斂特性.數(shù)值例子驗(yàn)證了所提出的算法的有效性. 在應(yīng)用方面,對(duì)模糊隨機(jī)環(huán)境下多產(chǎn)品APP問題建立了模糊隨機(jī)APP