求解非线性规划问题的混合遗传算法.pdfVIP

维普资讯 ⑦弓 ／ 第 18卷 第 4期 太 原 重 型 机 械 学 院 学 报 Vol18 №4 求解非线性规划问题的混合遗传算法 至 4 堕蕉塑 (太 面； 学 ；0024) 摘 要 本文针畔一般形式的非线性规划问题，提出一种具有学习算子的混合 遗传算法，该算法具有收敛速度快且能收鼓于最优解等特点。 关键词 屯壅些丝型奎堡2 ；兰三!堡 中图分类号 TP15 1962年，美国Michioan大学Holland教授根据 自然界进化的理论提出了遗传算法的基 本思想，随后遗传算法在许多工程领域得到应用如模式识别、神经网络结构参数优化及权重 学习等uJI，但基本遗传算法在应用中出现了封闭竞争、最优解和收敛速度三者之间的矛 盾，基本遗传算法收敛速度较慢且容易产生封闭竞争而不利于找到最优解，如何解决三者之 间的矛盾是遗传算法中存在的问题之一，如何解决这方面的问题也有许多文献进行了报 导 【】【。 (=) 为解决这个矛盾，本文针对一般形式非线性规划问题提出一种具有学习算子的混合遗 传算法，为提高算法的收敛速度，本文引出学习算子。在第五代的种群中，我们找出群体中的 优 良串所共同遵循的模式，让低于群体平均值的串以概率P 向模式学习，这样使得优 良模 式以较快的速度增长以提高收敛速度，但是学习算于的引人，使得群体容易产生封闭竞争． 不易找到全局最优解，为解决这个问题，我们可以用可行方向法的终止条件判断收敛点是否 是最优解，如果不是，则在收敛点的可行方向上加以抚动以突破封闭竞争，根据这个思想，本 文引人学习算子的基础上将遗传算法和可行方向法相结合而提出混合遗传算法，仿真结果 证明了混合遗传算法的有效性。 1 非线性规划 非线性规划问题的一般形式为 收稿13期：1996一O9—18 本文第一作者：男，1970年6月生．硬士研究生，研究方向为遗传算法，系统建模与仿真。 维普资讯 334 太 原 重 型 机 械 学 院 学 报 1997拄 min厂() (1) s．t．hi(z)=0， i= 1～ m (2) gJ() 0， J= 1一 (3) 其中 为 维优化变量，由于等式约束(2)可通过采用消元法、拉格郎 日乘法或罚函数法等 引入 目标函数中，所以这里仅研究具有不等式约束的非线性规划问题，即： min ) (4) s．t．曲() 0， = 1～ (5) 2 具有学习算子的遗传算法 基本遗传算法主要由复制算子、杂交算子和变异算子构成，它已成功应用于许多领域， 但是基本遗传算法容易产生封闭竞争，为了在找到全局最优解的同时保证收敛速度，本文引 入学习算子。 根据遗传学的基本原理，优秀的父代以较大的概率产生优秀的子代，如果在遗传算法的 迭代过程中，加入学习算子，使得每一代中具有较小适应值的串向具有较大适应值的串共同 遵循的模式学习以提高 自身的性能，这样可提高算法的收敛速度。 定义 1 在第t代的群体户(t)中，如果，() ，则称刁为群体户(t)的优 良串，其中 ，(弓)表示串 的适应值，表示群体户(t)的平均适应值。 定义2 所有