一類計算智能方法的停滯問題研究.pdf

1、近年來，復雜優(yōu)化問題尋求高效的解決方法已成為優(yōu)化領域的一個極具挑戰(zhàn)性的研究課題。除了傳統(tǒng)優(yōu)化方法，計算智能方法正在得到越來越多的研究人員的關注和重視。以遺傳算法，蟻群算法和粒子群算法為代表的一類計算智能方法，它們從生物進化或動物群體協(xié)作的搜索機制中得到啟發(fā)，利用群體的優(yōu)勢，在沒有集中控制并且不提供全局模型的前提下，快速有效地搜索復雜優(yōu)化問題的解空間，尋求全局最優(yōu)解。
　　 停滯問題一直是計算智能方法理論和應用飽受困擾的一大難題，

2、這不僅關系到已有計算智能方法如何設置算法的結構和參數(shù)以確保快速求解待優(yōu)化問題，同時也涉及到針對復雜的實際優(yōu)化難題如何構造出快速有效的新計算智能方法的問題。本文針對以遺傳算法、蟻群算法和粒子群優(yōu)化算法為代表的一類計算智能方法在解決復雜優(yōu)化難題時出現(xiàn)停滯的問題進行了深入研究，主要的創(chuàng)新點和研究成果有：
　　 (1)研究了集中化搜索和多樣化搜索對解集更新序列出現(xiàn)停滯的影響。本文通過對一類計算智能算法的搜索機理進行分析，根據(jù)在搜索過程中

3、解集內(nèi)部結構變化的性質(zhì)定義解集多樣度，并基于此定義了兩種基本的搜索策略：多樣化搜索和集中化搜索。從理論上證明集中化搜索，縮小了解空間的搜索范圍，是導致解集停滯收斂的主要原因。而多樣化搜索能擴大解集的搜索范圍，促使算法跳出局部最優(yōu)。最后，通過標準遺傳算法、蟻群算法和粒子群優(yōu)化算法的實際算例分析，說明典型的計算智能方法其搜索策略的集中化搜索和多樣化搜索性質(zhì)，以及算法出現(xiàn)停滯收斂的表現(xiàn)，驗證了理論分析結論的正確性。
　　 (2)得出了

4、基于統(tǒng)一模型的一類計算智能方法幾乎肯定弱收斂和幾乎肯定強收斂的充分條件。本文首先分析了這類計算智能方法在方法論上的共同特點，建立起統(tǒng)一模型，從更一般化的角度來分析此類算法出現(xiàn)停滯現(xiàn)象的原因。接著，基于此模型，分別定義了表征解集變化強弱和解集優(yōu)化程度的集組元變化率和解集改善率。同時，給出了計算智能方法搜索生成的解集更新狀態(tài)轉(zhuǎn)移序列的各種蓋然論收斂的概念并分析了他們之間的關系。然后借助于隨機過程理論，證明基于統(tǒng)一模型的計算智能方法在一定條件

5、下幾乎肯定弱收斂。最后，在傳統(tǒng)的Markov鏈分析中運用鞅理論，證明這類計算智能方法在一定條件下幾乎肯定強收斂。
　　 (3)提出了一種用于復雜問題自適應優(yōu)化且能有效克服停滯的云滴算法。本文基于云模型的特征，結合計算智能方法的基本原理，提出一種用于復雜問題自適應優(yōu)化的云滴算法。該算法采用多維逆向云模型建立解集的特征參數(shù)，并根據(jù)是否出現(xiàn)當代精英和跨代精英自適應調(diào)整參數(shù)，再通過多維正向云模型產(chǎn)生新一代解集。云滴算法具有表示、再現(xiàn)和挖

6、掘待優(yōu)化問題的不確定知識的特點，無需預先設置其搜索策略和參數(shù)，且不論解集處于何種初始狀態(tài)，整個系統(tǒng)能自適應地進行演化。然后借助于隨機過程理論，在傳統(tǒng)的Markov鏈分析中運用鞅理論，證明了云滴算法在一定條件下幾乎肯定強收斂。最后通過兩個標準測試問題的求解試驗表明，與現(xiàn)有的四種算法相比，該算法不但收斂速度快，而且具有更好的自適應能力，能更有效地克服停滯現(xiàn)象的產(chǎn)生。
　　 (4)提出了一類混沌系統(tǒng)未知參數(shù)辨識問題的解決方法。本文通過