热力学遗传算法研究和应用.pdf

热力学遗传算法的研究与应用 摘要 热力学主要是以能量转化的角度来来对物质的热性质进行研究，揭示 能量在进行形式转化时所遵从的规律。热力学是从物资的宏观视角出发， 对宏观的现象进行总结而得到的理论。热力学对于粒子问的相互作用和微 观结构是不涉及的，因此，热力学是一种基于唯象的宏观理论，具有普遍 性和可靠性的特点。一些热现象宏观过程是不可逆的，相应态函数是熵， 熵的变化及大小既指明热力学过程进行的方向又反映系统的稳定性。 遗传算法是一种模拟生物进化过程来求解函数优化问题的有效算法， 它不依赖于问题具体的领域，对各类问题具有很强的鲁棒性，广泛的应用 于很多学科。在遗传算法中选择算子是其中的影响因素之一，在大自然生 物进化过程中，适者生存，优生劣汰，所有物种的进化都是基于这一原则。 因此，遗传算法里的选择算子将决定群体的搜索方向，选择算子及其相关 的参数的设计是否合理，将直接对算法的搜索效率和收敛性产生影响。 由热力学定律可知，对于与周围环境进行热量交换且保持温度不变的 封闭系统来说，系统总是朝着自由能减少的方向演化，当系统达到稳定状 态时，系统自由能在此时达到最小。因此，我们将遗传算法中的群体作为 一个热力学系统，在优化中引入能量、温度和熵的概念，通过模拟热力学 中熵与能量的竞争协调平衡“选择压力”与“种群多样性”之间的竞争压 力。 T 基于这一认识，本文致力于将热力学和遗传算法相结合，用来解决约束 单目标优化问题、约束多目标优化问题，以及用来解决在较大的突发事件 中应急物资调度的问题，具有一定的现实意义，本文的工作如下： (1)受自由能极小化原理的启发，设计了基于热力学操作的混合算法框 架，用来求解约束单目标优化问题的热力学遗传算法，并通过实验证明了 其有效性。 (2)受热力学系统中熵与能量的竞争关系的启发，设计了热力学混合遗 传算法用于解决约束多目标函数优化问题，通过设计热力学算子来保持种 群多样性与逼近性之间的平衡，通过初精英选择策略来提高初始种群的质 量，采用分层小生境的选择策略，最后通过实验对算法的有效性进行了验 、—r． 1止o (3)应急物品常常在大规模突发事件中易出现需求大于供应的现象，对 此，结合实际情况安排，以最小化成本和时间为目标，研究应急物品在各 厂商之间的合理分配，以便能快速的、经济的运送到灾区，通过建立模型， 采用约束多目标优化的热力学混合遗传算法来计算，最后利用实验对算法 的有效性进行了验证。 关键字：遗传算法热力学约束单目标多目标函数优化 自由能熵 RESEARCHAND APPLICATIONOF THEI湖ODYNAMIC GENETICALGORITHM Abstract is from Thermodynamicsthe of mainly conversionto perspectiveenergy the thermal of study properties convertedfrom maRer，revealingtheenergy one to isthe ofthe another．Thermodynamics obtained summarytheory