實(shí)數(shù)遺傳算法求解優(yōu)化問題研究.pdf

1、實(shí)數(shù)遺傳算法研究是智能優(yōu)化方法中一個(gè)重要的研究方向，它的提出是建立在自然選擇和遺傳學(xué)原理基礎(chǔ)之上，是求解函數(shù)優(yōu)化問題的重要方法之一。雖然實(shí)數(shù)遺傳算法在理論和應(yīng)用等方面都取得了巨大成功，但仍存在許多不足之處有待進(jìn)一步的完善和提高。通過對(duì)現(xiàn)有的關(guān)于實(shí)數(shù)遺傳算法的文獻(xiàn)學(xué)習(xí)和探討，發(fā)現(xiàn)實(shí)數(shù)遺傳算法主要存在如下缺陷:
　　(1)實(shí)數(shù)遺傳算法在進(jìn)行交叉和變異操作時(shí)，上一代產(chǎn)生的優(yōu)秀個(gè)體極易遭到破壞，一般算法采用精英保留的策略來防止這一現(xiàn)象出現(xiàn)

2、，卻又降低了種群的多樣。如何使種群多樣性得到保證的同時(shí)還使父本中的優(yōu)秀個(gè)體不遭到破壞成為一個(gè)亟待研究的問題。
　　(2)實(shí)數(shù)遺傳算法最基本的交叉算子是算數(shù)交叉算子和啟發(fā)式交叉算子兩種，都無法使子代個(gè)體跳出父本對(duì)取值范圍的約束，限制了實(shí)數(shù)遺傳算法搜索能力的可拓展性。
　　(3)實(shí)數(shù)遺傳算法在求解約束優(yōu)化問題時(shí)，常以懲罰函數(shù)的形式進(jìn)行，但其中懲罰因子選擇的合理與否嚴(yán)重影響算法的尋優(yōu)性能，并且針對(duì)不同的實(shí)際問題懲罰因子值也各不相同

3、，導(dǎo)致最佳懲罰因子的值很難確定。
　　針對(duì)實(shí)數(shù)遺傳算法存在的上述缺陷，對(duì)實(shí)數(shù)遺傳算法進(jìn)行了改進(jìn)，將動(dòng)態(tài)步長的思想引入到實(shí)數(shù)遺傳算法的交叉操作中。最后根據(jù)約束優(yōu)化這類問題的特點(diǎn)將改進(jìn)后的實(shí)數(shù)遺傳算法進(jìn)行了調(diào)整，提出了一種新實(shí)數(shù)遺傳算法——非可行個(gè)體收縮法，應(yīng)用到約束優(yōu)化問題的求解中。本文采用了理論分析與實(shí)驗(yàn)驗(yàn)證相結(jié)合的研究思想，采用與傳統(tǒng)實(shí)數(shù)遺傳算法相比較的方法對(duì)改進(jìn)后的實(shí)數(shù)遺傳算法的有效性進(jìn)行了測(cè)試評(píng)估。本文對(duì)實(shí)數(shù)遺傳算法的研究對(duì)

4、遺傳算法的完善和發(fā)展具有一定的推動(dòng)作用，取得的主要研究成果有:
　　(1)為約束優(yōu)化問題初始種群的生成提出了一種新方法。
　　針對(duì)約束優(yōu)化問題，基本遺傳算法常用隨機(jī)的方式來生成初始種群，這導(dǎo)致在求解復(fù)雜約束優(yōu)化問題時(shí)產(chǎn)生初始種群耗去大量的時(shí)間。本文提出的初始種群的方法，綜合應(yīng)用了罰函數(shù)、梯度搜索和非可行個(gè)體修復(fù)的策略。首先通過梯度搜索法確定第一個(gè)可行內(nèi)點(diǎn)，然后通過修復(fù)策略產(chǎn)生后續(xù)可行個(gè)體，使初始種群的產(chǎn)生速度得到了很大的提高

5、。
　　(2)在交叉操作中引入了梯度搜索和動(dòng)態(tài)步長的思想。
　　本文在實(shí)數(shù)遺傳算法進(jìn)行交叉操作的過程中引入了梯度搜索的思想，以個(gè)體適應(yīng)度值為評(píng)價(jià)指標(biāo)動(dòng)態(tài)確定交叉因子的值，保證了交叉產(chǎn)生的新個(gè)體分布在優(yōu)秀父本個(gè)體附近的概率變大，同時(shí)變步長的思想能夠促進(jìn)子代個(gè)體跳出父本的范圍約束，而且產(chǎn)生的新個(gè)體不會(huì)劣于父本個(gè)體，提高了算法的尋優(yōu)效率。
　　(3)在約束優(yōu)化問題中引入了非可行個(gè)體修復(fù)的策略。
　　針對(duì)約束優(yōu)化問題，為