张本源(湖北重型机器集团有限公司).docVIP

24 卷 　 第 2 期 2002年 2月 武　汉　理　工　大　学　学　报 JOURNAL OF WUHAN UNIVERSITY OF TECHNOLOGY V o l. 24　 No. 2 　 Feb. 2002 文章编号 : 1671-4431( 2002) 02-005604 惩罚函数法在遗传算法处理约束问题中的应用 张 　晶 　翟鹏程 (武汉理工大学 ) 　 张本源 (湖北重型机器集团有限公司 ) 　 摘 　 要 : 　 主要研究惩罚函数法在遗传算法中 的应用 。 将传统优化方法中的惩罚函数法与遗传算法相结 合 ,研究了 三种 不同的惩罚函数法在遗传算法中的实现和应用 , 编制了计算程序 。 通过对连续变量无约束优化 、 连续变量约束优化 和离 散变量约束优化等典型优化问题的计算分析 , 将三种惩罚函数方法进行了比较 ,指出了它们的特点 及选用原则 。同时 , 对 遗传算法中各种算子的不同形式也进行了研究和比较 , 得出了一些有意义的结论 。 关键词 : 　 遗传算法 ; 　 惩罚函数 ; 　 约束优化 中图分类号 : 　 T B 12 [1 ] 文献标识 码 : 　 A 遗传算法 GAs ( Genetic Algo ri thm s)是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法 , 已 成功地应用于函数优化 、机器学习及复杂性问题研究等多种问题和领域中 。现实生活中的大多数问题都是 约束问题 ,因此将遗传算法应用到约束优化问题中十分重要 , 这其中的关键就是约束的处理问题 。 通常处理约束优化问题主要有丢弃法 、修理法、 修改遗传算子法和惩罚函数法四种方法 。 在理论分析的基础上 ,编制了带惩罚函数的遗传算法程序 ,对三种典型的优化问题进行了计算分析 , 在 惩罚函数、遗传算子的选择及相关控制参数的确定方面进行了分析和探讨 ,得出了一些有指导意义的结论 。 [ 2] 1 　惩罚函数法的基本思想与应用 1. 1 　在遗传算法和传统优化中使用的惩罚函数法的不同 在传统优化的惩罚函数法中 , 优化过程从一点搜索到另一点 , 根据约束特性构造惩罚项 , 将惩罚项加到 目标函数中 , 使非线性规划问题转化为一系列的无约束极值子问题 , 它们的极值是初问题的一个最优解。 遗传算法中惩罚函数法的基本思想是从传统优化中借鉴来的 。 遗传算法从包含有大量个体的初始种群 开始搜索最优解 ,通过选择算子把具有较好适应值的个体选择出来 , 然后进行交叉、 变异 , 扩大搜索空间 , 形 成下一代种群 。 对于约束优化问题 , 遗传算法中惩罚函数法是对于任一违反了的约束 , 把一个惩罚项加到进 化函数中 ,使违反约束的个体的适应值降低 , 再通过选择算子 , 生成下一代种群 ,从而在群体中保持一定数量 的非可行解 , 使遗传算法从可行域和不可行域两个方向进行搜索 , 找到全局最优解 。 采用惩罚函数法的关键 是确定合适的惩罚函数 。 1. 2 　惩罚函数法在遗传算法中的应用 1. 2. 1 　 进化函数的构造 构造带有惩罚项的进化函数一般有加法和乘法两种方式 。 1. 2. 2. 惩罚函数项的构造 下面是三种惩罚函数构造方法: 方法Ⅰ : Joines and Houck M ethod 求最小化的非线性规划问题 , 采用加法形式构造进化函数 , 惩罚项由变量惩罚因子和对违反约束的惩罚 收稿日期 : 2001-0614. 作者简介 : 张 　 晶 ( 1976-) ,女 ,硕士 ; 武汉 ,武汉理工大学工程结构与力学系 ( 430070) . 第 24 卷 　 第 2 期 　　　　　　　　 　 张 　 晶等 : 惩罚函数法在遗传算法处理约束问题中的应用 　 　　　　　　　　 57 构成。 方法Ⅱ : Yo ko ta , Gen , Ida , and T aguchi Method 函数根据违反约束的相对惩罚系数构造惩罚项 , 主要针对求最大化的非线性规划问题 , 进化函数的构造 采用乘法形式 。 方法Ⅲ : Gen a nd Cheng Met ho d[4 ] 在方法Ⅱ 的基础上 , 对不可行解定义了更严厉的惩罚 。 2 　带惩罚函数的遗传算法程序 根 据 遗传算 法原 理 , 编 制了 遗传 算 法优 化程 序 ga 2000 。 程序 g a2000使用二进制编码 , 将惩罚函数法与遗传 算法 ( GAs)结 合在一 起 , 能够处理连续变量 、离散变量、无约束优化和约束优化问题。 程序 流程如图 1所示。 各程序模块采用的方法如下 : ( 1) 交叉算子: 单点交叉 , 两点交叉 , 均匀交叉 ; ( 2) 变异算子: 均匀变异 , 非均匀变异 ; ( 3) 选择算子: 2人竞争选择算子 , 轮盘赌选择算子 ; (