无约束优化问题的一种混合进化规划算法.pdfVIP

第23卷 第 12期 乐山师范学院学报 Vo1．23．No．12 2008年 12月 Journ~ ofLeshanTeachersCollege Dec．2oO8 无约束优化问题的一种混合进化规划算法 罗 驰 (乐山师范学院 数学系，四川 乐山 614000) 摘 要：传统的进化规划算法解决无约束优化问题时只依赖于单纯的高斯变异，使得这种算法具有一定的局限性．本 文在分析高斯变异、柯西变异的优缺点的基础上提出了混合进化规划算法，给出了算法步骤，用两个经典的数值例子比较 说明了所给算法的有效性． 关键词：进化规划；高斯变异；柯西变异；算法 中图分类号：TP301．6 文献标识码 ：A 文章编号 ：1009—8666(2008)12—0005—03 0 引言 用到实值函数的优化和其它问题．在进化算法中，交叉、选 择和变异是三个重要的算子．变异是进化规划的主要算子． 从工程设计、分子生物学、经济金融、网络运输、数据 在传统的进化规划中，每个后代是通过高斯变异产生，“好 挖掘与知识发现等应用领域中归纳 出来的问题大多数是 的”个体从父代和子代产生并组成下一代的父代 ，但容易 优化问题，所建立的优化模型都是要求全局最优解而不是 陷人局部极小点，收敛速度快．近年来一些学者对高斯变异 求局部最优解 ，给人们带来了求解问题的难度 ，因而许多 时行改进，提出了一些非高斯变异的进化规划方法 ，改进 学者致力于设计一些全局优化方法．一般来说，求解全局优 计算效能10【1．Yaot~给出了柯西变异的进化算法 ，它的一个好 化方法分两类：确定性方法和随机方法．确定性方法是利用 处是柯西分布可以产生一个较大步长的概率 ，从而可以帮 问题的解析性质产生一确定性的有限或无限的点序列使 助局部极小点跳出．但收敛速度较缓慢． 其收敛于全局最优解．如D．C．规划算法f1]、单调规划法口、分 本文在分析高斯变异和柯西变异的优缺点基础上，提 枝定界方法 、填充函数法 ，打洞函数法脾等．这些算法的构 出了一种非高斯变异的无约束进化算法．内容安排如下，第 造都涉及到己知目标函数的某些局部性质或者全局性质． 二部分讨论高斯和柯西概率分布的一些特征 ，给出两者的 随机方法利用概率机制而非确定性的点列来描述迭代过 一 些定性结论．第三部分给出混合进化规划算法步骤．第 四 程，如Mont—Carlo方法I句、遗传算法 是常用的随机方法． 部分给出一些数值测试和比较．最后给出一些结论． 由生物进化和 自然选择而产生的自然算法属于随机 1 高斯和柯西概率分布特征和结论 方法I8I．它包括遗传算法 (GAs)，进化规划 (EP)，进化策略 (ESs)．它们都是通过模拟由个体组成的生物种群的进化现 1．1 高斯概率分布函数 象解决复杂优化问题，遗传算法强调染色体的操作，即个 高斯分布即正态分布．基于原点的一维高斯概率密度 体基因结构的变化对其适应度的影响，进化策略强调个体 函数定义为 的行为变化 ，进化规划则强调种群上的行为变化．一般认 一 ￡ 为，遗传算法是一种较为通用的求解方法，而进化策略和 f(x)=— e ， V 2w 6 进化规划更适宜于求解数值优化问题．进化规划最先应用 这里仃分别是X变量的标准差．它对应的分布函数是 于处理数据结构 ，经过许多学者