改进遗传算法优化非线性规划问题.pdfVIP

第43卷第7期 数学的实践与认识 V61．43．NO．7 ANDTHEORY 2013年4月 MATHEMATICSINPRACTICE Apr．，2013 改进遗传算法优化非线性规划问题 朱会霞，王福林，张勇，张帆 (东北农业大学工程学院，黑龙江哈尔滨150030) 摘要：针对遗传算法在处理优化问题上的独特优势，主要研究遗传算法的改进，并 将其应用于优化非线性规划问题．在进化策略上，采用群体精英保留方式，将适应度 值低的个体进行变异；交叉算子采用按决策变量分段交叉方式，提高进化速度；在优 化有约束非线性规划问题时，引入算子修正法，对非可行个体进行改善．MATLAB 仿真实验表明，方法是一种有效的、可靠的、方便的方法． 关键词：非线性规划问题；改进遗传算法；算子修正法 非线性规划问题(NonlinearProgrammingProblem)已成为运筹学的一个重要分支之一， 它是目标函数或约束条件具有非线性函数的数学规划，研究对象是一个n元实函数在一组等 式或不等式约束条件下的极值问题，广泛应用于人工智能、最优控制、生产及管理等领域(见 文【1—2])．非线性规划问题的传统解决方法有多种，如中心法、梯度投影法、惩罚函数法、可 行方向法、乘子法等吼但这些方法都有自己特定的适用范围和局限性，对目标函数和约束 条件一般都有连续可微的要求，随着优化对象的复杂，传统优化方法难以适应，而且有的非线 性规划问题可能是病态问题，不易于求解【4]．目前还没有一种适合求解非线性规划各种问题 的系统方法．遗传算法克服了传统算法的缺点，无需目标函数连续可微的限制，只要求优化问 题是可计算的．这是传统优化方法所不及的，是非常好的求解优化问题的算法．它采用群组方 式组织搜索，是一种具有并行性和全局搜索性能，有自组织和自适应性的人工智能技术，能获 得较高的优化效率[5】．其基本思想是由John 非线性规划问题的主要方法之一[7--10]． 文中对遗传算法的进化策略进行了改进，分析了算法的过程，充分发挥遗传算法求解非 线性规划问题的优势．在MATLAB环境中通过数值实例，证明所提出的改进遗传算法对于 求解非线性规划问题是有效的，说明了该方法是一种计算稳定、性能较好的改进遗传算法． 1非线性规划问题 1．1非线性规划问题的数学模型 非线性规划可分为无约束与有约束问题[1,11]，数学模型一般形式为： 收稿日期：2012—05—23 资助项目：国家自然科学基金 万方数据 118 数学的实践与认识 43卷 min．厂(X)，X∈E” (1) I‰(x)=0，i=1，2，…，m I gj(X)≥0，J=1，2，…，f 其中，min表示“求最小值’’，符号s．t．表示“受约束于”．若没有约束限制，则为无约束问题． 在E”上的极小点．hi(X)=o和gj(X)≥0为约束条件，为极小化问题． 说明问题方便，仅考虑目标函数极小化，无损一般性． 若某约束条件是“S”不等式，仅需用“一1”乘该约束的两端，即可将该约束变成“≥”形 式． 2．2等式约束的处理 我们以线性约束条件为例，说明等式约束的处理方法，同理也可以处理非线性约束条件 中的等式约束．将公式(1)写成矩阵形式的数学表达式： minf(X) (2) s．t．㈦篓 式中各符号定义如下：X=(XlX2…z。)T，A=(aji)，b=(bl (d1d2···d1)T，(i=1，2，…，n；j=1，2，…，m；惫=1，2，…，c)． 则有约束非线性规划问题中有n个决