求解約束優(yōu)化問題的遺傳算法研究.pdf

1、現(xiàn)實生活中的很多問題都可以通過數(shù)學(xué)模型轉(zhuǎn)化為帶約束的函數(shù)優(yōu)化問題，這些問題的最優(yōu)解往往處于可行域邊界上或邊界附近，然而傳統(tǒng)的遺傳算法對這一類問題的求解效率并不高。于是，本文設(shè)計了基于邊界模擬方法的改進(jìn)遺傳算法，其中利用邊界模擬方法生成可行域邊界點集:
　　 首先，用遺傳算法生成若干可行點。對于可行域相對較大的簡單約束優(yōu)化問題來說，用隨機搜索的方法生成可行點的效率往往比用進(jìn)化算法的效率更高，但對于約束復(fù)雜且可行域較小的問題，進(jìn)化算

2、法的優(yōu)勢就突顯出來了。本文對遺傳算法的收斂條件進(jìn)行適當(dāng)調(diào)整，使得對任何約束優(yōu)化問題都能高效率的查找到可行點;
　　 其次，確定不可行點。結(jié)合已生成的可行點，構(gòu)造一個既能覆蓋整個搜索域且可行域又盡可能處于中央的外部空間，從該空間的邊界上生成不可行點;
　　 最后，用改進(jìn)的向后折半查找方法查找處于可行點和不可行點之間，且距離已知可行點最遠(yuǎn)的可行域邊界點，從而近似模擬出可行域的最大邊界。
　　 對遺傳算法進(jìn)行改進(jìn)，主要

3、包括:采用混沌初始化種群的方法從可行域邊界點集中生成初始種群，與隨機初始化種群方法相比，該方法生成的種群多樣性更加穩(wěn)定;對于選擇操作，算法采用精英策略和適應(yīng)度比例選擇的混合選擇策略，避免了最優(yōu)個體在種群迭代過程中的丟失;引入折半查找修補算子對交叉和變異操作產(chǎn)生的不可行個體進(jìn)行修補，使得每一代種群個體都是可行的。
　　 本文將邊界模擬方法與改進(jìn)的遺傳算法按其內(nèi)在聯(lián)系相結(jié)合，從收斂性和時間復(fù)雜度兩方面對基于邊界模擬方法的改進(jìn)遺傳算法