仿生智能優(yōu)化算法及其應(yīng)用研究.pdf

1、科學(xué)研究和工程應(yīng)用領(lǐng)域經(jīng)常遇到優(yōu)化問題，如何設(shè)計(jì)有效的模型和算法求解這些優(yōu)化問題一直是一個(gè)研究的熱點(diǎn)。如，在電子對(duì)抗研究領(lǐng)域，國(guó)內(nèi)外協(xié)同作戰(zhàn)研究方面存在的武器-目標(biāo)分配問題，這是一個(gè)典型的組合優(yōu)化問題，本文針對(duì)電子對(duì)抗中的協(xié)同干擾問題建立了適合仿生智能優(yōu)化算法求解的數(shù)學(xué)模型，并重點(diǎn)研究了如何改進(jìn)現(xiàn)有仿生智能優(yōu)化算法求解該模型。
　　關(guān)于仿生智能優(yōu)化算法，在理論和應(yīng)用上需要進(jìn)一步的研究，目前已有的IIGA等算法在背景項(xiàng)目的應(yīng)用中仍然

2、存在許多問題有待研究解決。其中，下面三個(gè)方面的不足最為研究人員關(guān)注:(1)算法的普適性、魯棒性仍然有待提高。(2)算法的延展性不夠，算法性能隨著優(yōu)化問題規(guī)模的增大而迅速降低。(3)已有算法如何應(yīng)用于工程優(yōu)化問題還需要進(jìn)一步的研究。論文工作在分析前人已有成果的基礎(chǔ)上，重點(diǎn)對(duì)(1)和(3)兩個(gè)問題開展了仿生智能優(yōu)化算法及其應(yīng)用的研究工作。本文主要研究成果概括如下:
　　(1)增強(qiáng)型自適應(yīng)進(jìn)化算法
　　提出了增強(qiáng)型自適應(yīng)進(jìn)化算法(

3、ESEA)。設(shè)計(jì)了貪婪繁殖算子、策略選擇算子、X進(jìn)化算子、種群多樣性維持算子和進(jìn)化策略學(xué)習(xí)算子來組成算法的進(jìn)化結(jié)構(gòu);設(shè)計(jì)了多種有效的進(jìn)化策略，即候選解產(chǎn)生策略;設(shè)計(jì)了概率選擇策略并用于進(jìn)化種群中的個(gè)體，采用改進(jìn)的概率模型計(jì)算策略被選擇的概率;引進(jìn)了一種學(xué)習(xí)機(jī)制，可根據(jù)策略在進(jìn)化過程中的表現(xiàn)自適應(yīng)地學(xué)習(xí)每種策略的選擇概率。通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)提出的增強(qiáng)型自適應(yīng)進(jìn)化算法相比同類算法提高了普適性和魯棒性，并且新的操作算子、多進(jìn)化策略和自適應(yīng)學(xué)習(xí)機(jī)

4、制對(duì)算法性能的提升起重要的作用。
　　(2)基于自適應(yīng)學(xué)習(xí)群體搜索技術(shù)的集成進(jìn)化算法
　　針對(duì)第一算法難以適應(yīng)戰(zhàn)場(chǎng)態(tài)勢(shì)多變、戰(zhàn)場(chǎng)投入的武器和目標(biāo)規(guī)模與日俱增的問題，提出了基于自適應(yīng)學(xué)習(xí)群體搜索技術(shù)的集成進(jìn)化算法(EEA-SLPS)。算法采用了多種群隨機(jī)搜索技術(shù)和并行工作機(jī)制。與增強(qiáng)型自適應(yīng)進(jìn)化算法相比，本算法的主要特點(diǎn)在于集成了多種隨機(jī)搜索技術(shù)，并使它們以有效的方式進(jìn)化子種群。在該算法中，將整個(gè)進(jìn)化群體分成三個(gè)子群體，并采用

5、三個(gè)子算法分別對(duì)子群體進(jìn)行進(jìn)化。論文設(shè)計(jì)了多種不同性質(zhì)的信息交流方式(IEMs)。做了大量的IEMs性能測(cè)試實(shí)驗(yàn)。通過對(duì)實(shí)驗(yàn)數(shù)據(jù)結(jié)果的分析，發(fā)現(xiàn)信息交流方向應(yīng)由包含整個(gè)種群最優(yōu)解的子群指向不包含整個(gè)種群最優(yōu)解的子群，交流方向不應(yīng)該是預(yù)定義的，應(yīng)是動(dòng)態(tài)自適應(yīng)的。對(duì)比實(shí)驗(yàn)結(jié)果表明所設(shè)計(jì)的算法比同類算法在魯棒性和普適性上均有所提高。
　　(3)求解協(xié)同干擾決策問題的啟發(fā)式自適應(yīng)離散差分進(jìn)化算法
　　針對(duì)現(xiàn)代作戰(zhàn)環(huán)境中多UCAV(U

6、nmanned Combat Air Vehicle)協(xié)同對(duì)抗多部威脅雷達(dá)任務(wù)規(guī)劃這一軍事運(yùn)籌決策問題，提出了基于多指標(biāo)干擾效能綜合評(píng)估方法的多UCAV協(xié)同干擾決策問題優(yōu)化模型。為了有效求解多UCAV協(xié)同干擾決策問題模型，提出了啟發(fā)式自適應(yīng)離散差分進(jìn)化算法。為了提高算法求解特定領(lǐng)域問題的效率，設(shè)計(jì)了基于威脅度的擴(kuò)展型整數(shù)編碼方案、基于威脅度的啟發(fā)式個(gè)體調(diào)整操作和基于約束滿足的個(gè)體修復(fù)等操作。實(shí)驗(yàn)結(jié)果表明提出的啟發(fā)式自適應(yīng)離散差分進(jìn)化算法

7、相比同類算法具有更高的魯棒性和更好的求解效率。
　　(4)自適應(yīng)離散差分進(jìn)化算法策略選擇
　　提出了求解協(xié)同干擾武器目標(biāo)分配問題(CJWTA)的自適應(yīng)離散差分進(jìn)化(SaDDE)算法。好的策略池決定SaDDE算法的主要性能。論文中引入了基于相對(duì)排列順序的標(biāo)度法(RPOSM)，通過RPOSM改進(jìn)了層次分析法，提出了基于RPOSM的層次分析法(RPOSM-AHP)以解決策略選擇問題，通過理論和實(shí)驗(yàn)數(shù)據(jù)結(jié)合的方法給出了解決策略選擇問