基于協(xié)同進(jìn)化的混合智能優(yōu)化算法及其應(yīng)用研究.pdf

1、優(yōu)化問題一直是國(guó)際上公認(rèn)的熱點(diǎn)和難點(diǎn)問題之一。受自然現(xiàn)象、社會(huì)現(xiàn)象或生物智能的啟發(fā)，計(jì)算智能提供了簡(jiǎn)單、通用、魯棒、并行的方法，能夠有效解決大多數(shù)優(yōu)化問題。面對(duì)當(dāng)今社會(huì)日益增多的復(fù)雜優(yōu)化問題，傳統(tǒng)的智能優(yōu)化方法尚存在諸多的局限性，現(xiàn)有混合智能優(yōu)化的混合機(jī)制（策略）上都有待深入，混合智能優(yōu)化的內(nèi)在聯(lián)系與內(nèi)部機(jī)理的研究尚顯不足。作為一類將協(xié)同進(jìn)化機(jī)制引入到傳統(tǒng)計(jì)算智能的新算法，協(xié)同進(jìn)化具有抽象的算法模型，可以根據(jù)實(shí)際求解問題來(lái)靈活構(gòu)造。由于

2、協(xié)同進(jìn)化算法能有效克服其它計(jì)算智能算法的早熟現(xiàn)象、優(yōu)化精度不高等缺陷，因此研究基于協(xié)同進(jìn)化的混合智能優(yōu)化算法已成為人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　 本文在概要介紹計(jì)算智能方法相關(guān)知識(shí)的基礎(chǔ)上，重點(diǎn)分析協(xié)同進(jìn)化算法、混合智能優(yōu)化算法的發(fā)展現(xiàn)狀，以及混合智能優(yōu)化算法在旅行商問題、客運(yùn)量預(yù)測(cè)和故障診斷中的應(yīng)用研究現(xiàn)狀。圍繞混合智能優(yōu)化算法存在的問題，開展了以下研究工作:
　　 (1)通過對(duì)協(xié)同進(jìn)化策略和現(xiàn)有智能優(yōu)化算法特性的

3、反思，將協(xié)同進(jìn)化模式和并行進(jìn)化機(jī)制引入到遺傳算法和粒子群算法中，建立一種并行協(xié)同進(jìn)化(PCEGP)算法。該算法按個(gè)體適應(yīng)度值的大小將整個(gè)種群劃分為相等的2個(gè)子種群，在每次迭代中，個(gè)體適應(yīng)度度值較好的子種群利用遺傳算法進(jìn)化，個(gè)體適應(yīng)度值較差的子種群利用粒子群算法處理，然后求出整個(gè)種群迄今為止搜索到的最優(yōu)解。理論分析證明，PCEGP算法在有界封閉和連續(xù)的條件下以概率1收斂于全局最優(yōu)解。
　　 (2)針對(duì)RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)優(yōu)化問

4、題，利用PCEGP算法來(lái)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)，提出一種高性能的并行混合智能優(yōu)化(PHIO)算法。該算法通過設(shè)計(jì)一個(gè)開關(guān)函數(shù)把RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化轉(zhuǎn)化成單純的函數(shù)優(yōu)化問題，利用PCEGP算法尋求全局最優(yōu)解，以此構(gòu)造出高性能的PHIO算法。通過函數(shù)優(yōu)化測(cè)試，實(shí)驗(yàn)表明PHIO算法具有收斂速度快、全局搜索能力強(qiáng)、穩(wěn)定性好、求解精度高的特點(diǎn)。
　　 (3)基于“階段混合”的思想，提出一種基于PCEGP算法和蟻群算法的兩階段混合智能優(yōu)化(TSH

5、IO)算法。該算法將整個(gè)過程分為粗搜索和細(xì)搜索兩個(gè)階段，在時(shí)間效率上優(yōu)于蟻群算法，在求精效率上優(yōu)于PCEGP算法。通過旅行商問題，對(duì)TSHIO算法進(jìn)行了仿真比較，結(jié)果表明該算法具有較好的收斂性、較高的求解精度、較強(qiáng)的全局搜索能力。
　　 (4)基于混合智能優(yōu)化策略，提出一種基于粗糙集理論和BP神經(jīng)網(wǎng)絡(luò)的混合智能優(yōu)化（RSBPNN）算法，建立一種新的鐵路客運(yùn)量預(yù)測(cè)方法。RSBPNN算法利用粗糙集理論的知識(shí)約簡(jiǎn)能力，對(duì)樣本進(jìn)行預(yù)處理

6、和約簡(jiǎn)，再確定網(wǎng)絡(luò)輸入層變量和神經(jīng)元個(gè)數(shù)，利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的任意函數(shù)逼近能力、學(xué)習(xí)能力，建立基于RSBPNN算法的鐵路客運(yùn)量預(yù)測(cè)方法。在實(shí)際復(fù)雜問題應(yīng)用中表明該方法預(yù)測(cè)我國(guó)鐵路客運(yùn)量結(jié)果接近于實(shí)際值。
　　 (5)為了形成智能優(yōu)化算法相互融合與互補(bǔ)，以混合智能優(yōu)化策略為基礎(chǔ)，提出一種基于粗糙集、遺傳算法和神經(jīng)網(wǎng)絡(luò)的新故障智能診斷(RGBNFD)方法。該方法充分利用了粗糙集知識(shí)約簡(jiǎn)能力，遺傳算法保持種群多樣性，BP神經(jīng)網(wǎng)絡(luò)的分類能