改進的云粒優(yōu)化算法及其應用研究.pdf

1、智能計算方法是求解多目標優(yōu)化問題的一種有效途徑，而其中的云粒優(yōu)化算法是當前該研究領(lǐng)域的一個新的計算模型。該模型通過模擬自然界中云的形成以及物態(tài)變化過程，設(shè)計出一種基于“云模型”隨機搜索機制。經(jīng)典的云粒優(yōu)化算法在單目標優(yōu)化問題中已展現(xiàn)出良好的計算性能，但是針對多峰問題，則很難保證求解任務的完備性。有鑒于此，本文研究了一種改進的，基于焓的云粒優(yōu)化算法（An improved cloud particles optimization algo

2、rithm based on enthalpy，即ICPEA），并在此基礎(chǔ)上進一步提出了用于多目標求解任務的云粒優(yōu)化算法實施方案（An improved multi-objective particles optimization algorithm，即IMOCPEA）。同時，為了驗證所提方案的有效性，論文中分析了上述模型用于兩目標物流中心選址問題的實施效果。
　　本文主要工作包括以下三個方面：
　?。?）設(shè)計出一種基于焓的

3、云粒優(yōu)化算法（ICPEA），以解決經(jīng)典云粒優(yōu)化算法的求解完備性的問題。該方法通過引入焓的概念，以及基于隨機行走模型和布朗運動的無規(guī)則運動理論，改進傳統(tǒng)算法中的個體分布特性，以保證個體在演化過程中的獨立性（即隨機性）。通過針對Schwef測試函數(shù)的實驗分析，發(fā)現(xiàn)ICPEA算法有利于維護種群的多樣性。
　?。?）設(shè)計出用于多目標問題求解的改進云粒優(yōu)化算法（IMOCPEA）。該算法，一方面通過引入精英策略，保證了計算過程以概率1全局收斂

4、；另一方面通過引入外部檔案修剪策略使算法的分布特性得到了改善。同時，通過針對4個基準測試函數(shù)的仿真測試，進一步驗證了上述方法在問題求解過程的可行性和有效性。
　　（3）從實踐應用角度出發(fā)，通過建立兩目標物流中心選址模型，采用IMOCPEA算法對其進行求解，并與基于進化策略的單目標實驗結(jié)果進行對比，結(jié)果表明文中算法在多目標求解問題方面具有較好特性。
　　通過以上分析與研究，可以初步得出，改進的、基于焓的云粒優(yōu)化算法，不僅可以應