基于学习遗传算法及在布局中应用.pdfVIP

第 24 卷　第 12 期 计　　算　　机　　学　　报 V o l. 24 N o. 12 200 1 年 12 月 CH IN E SE J COM PU T ER S D ec. 200 1 　 基于学习的遗传算法及其在布局中的应用 于　洋　查建中　唐晓君 (北方交通大学机械与控制工程学院智能工程实验室　北京 100044) 摘　要　布局问题属于具有很强应用背景的组合优化问题, 除其内在的N P 完全的计算复杂性, 布局还包括约束 复杂性问题和布局物体与空间的形状复杂性问题. 针对布局求解中存在的问题, 该文进行了基于全局优化的布局 求解方法研究. 布局问题中有一类关于复杂分片光滑连续函数全局优化求解的问题. 传统的优化算法对此无能为 力, 遗传算法是一种有前途的全局优化算法, 但 目前的各种遗传算法的效率和精度不能令人满意. 文中从生物可以 从环境中学习生存技巧、自主的趋利避害的思路出发, 增加了学习算子, 引用函数的局部信息, 构造拟牛顿方向, 令 每个个体在当前状态下有 目的地搜索, 最有效的向局部最优点趋进. 通过典型测试函数与传统遗传算法, 模拟退火 算法, 复合形法进行比较验算, 表明该算法具有优 良的求解质量和较好的求解效率; 并以旋转卫星舱布局的简化模 型为背景, 建立多目标优化数学模型, 与传统遗传算法和乘子法的计算结果比较, 该算法求解的质量和效率更优. 该文研究表明, 基于学习的遗传算法在布局优化中具有应用潜力; 启发式随机搜索策略和局部优化算法相结合的 求解方案是解决复杂函数优化的有效途径. 关键词　遗传算法, 布局, 全局优化, 多目标优化 中图法分类号: T P 18 L earn in g Ba sed GA an d A ppl ica t ion in Pack in g 　 　 YU Y an g CHA J ian Zhon g TAN G X iao J un (I n tellig ence E ng ineer ing L abora tory , S chool of M echan ica l and Con trol E ng ineer ing , N or thern J iaotong U n iv ers ity , B eij ing 100044) A bstract　 P ack in g p rob lem s are catego r ized a s com b in ato r ia l op t im izat ion p rob lem s w ith st ron g . , app licat ion b ack g roun d Excep t fo r th eir in t r in sic N P h ard com p u tat ion a l com p lex it ie s p ack in g p rob lem s a lso invo l