求解非线性问题的混合遗传算法的研究.pdf

中文摘要 本文针对非线性数值的问题，结合经典优化算法和遗传算法，构造新的混合遗传算 法，数值模拟试验表明，该算法具有很高的精确性和较好的收敛性，是求解非线性数值 问题的一种有效算法。 在第一章中，概述了遗传算法的基本理论，论述了混合遗传算法的研究现状。 在第二章中，分析和论述了非线性方程组的基本解法，主要介绍了牛顿型算法、信 赖域方法和遗传算法在求解非线性方程组中应用。 在第三章中，提出了一种求解非线性互补问题(．Mc尸)的混合遗传算法，首先将 ⅣCjP转化为等价的最优问题，然后利用浮点遗传算法快速求出』v卯等价优化问题的接 近精确解的较优解，将其作为牛顿型算法的初始迭代值，利用牛顿算法的局部寻优能力 强的特点，快速迭代至满足精度要求的数值解。该算法保证了全局收敛性，克服了传统 算法的缺点，数值试验结果验证了这种混合遗传算法的有效性。 在第四章中，提出将非线性不等式组求解问题转化为等价的求解无约束极小化问题 的全局最优解，基于浮点遗传算法全局群体搜索能力强和起始搜索速度快的特点，用浮 点遗传算法快速求出无约束极小化问题的接近精确解的较优解，作为(拟)牛顿算法的 初始迭代值，然后转入牛顿型迭代求得满足精度要求的近似解。这种算法充分利用了牛 顿型方法收敛速度快的优点，又解决了牛顿型方法初始值选取的困难，数值试验结果验 证了该混合遗传算法的有效性。 关键词遗传算法，混合遗传算法，非线性方程组，非线性不等式组，非线性互补 问题 中文文摘 非线性数值问题(如非线性方程组、非线性不等式组、非线性互补问题等)在经济、 工程、计算科学、管理科学等不同领域有许多重要应用，非线性问题传统的解法有牛顿 法、延拓法、梯度法、信赖域法、共轭方向法等。为克服算法收敛速度慢、局部搜索能 力差，最优解难寻、精度低等缺点，已经产生了许多的求解方法，但如何设计全局收敛 的有效算法仍是众所关注的焦点。 遗传算法(Genetic 的随机搜索与优化方法，它适合于无表达或有表达的任何类函数，具有可实现的并行计 算行为，适用于解决复杂的非线性和多维空间寻优问题。经过十几年的发展和改进，遗 传算法已成为续专家系统和神经网络之后的第三大热点研究问题。 目前，遗传算法研究工作主要有性能分析、分类系统、并行遗传算法、混合遗传算 Genetic 法(Hybrid 优化算法(如牛顿一高斯法、拟牛顿法、最速下降法、共轭梯度法等)存在着局部寻优 能力差、对搜索空间变化的适应能力差、易出现过早收敛现象等不足之处。为了克服传 ‘统算法的缺点·，改善遗传算法的搜索能力和收敛速度等问题，许多研究人员对遗传算法 加以改进，将传统的算法(如单纯形探索算法、模拟退火算法、共轭梯度法、牛顿法等) 与遗传算法结合，提出许多具体应用等方面的混合遗传算法。 本课题，通过探讨遗传算法和传统算法的基本理论及方法，提出利用遗传算法和 (拟)牛顿算法的各自优点，构造出新的求解非线性数值问题的混合遗传算法，并用数 值验证该算法的有效性。全文共分为四章，概要如下： 绪论，主要介绍了遗传算法的研究背景，分析了遗传算法的主要应用及发展前景。 第一章，论述了遗传算法的基本理论和国内部分学者对混合遗传算法的研究情况。 第二章，分析求解非线性方程组的三种基本方法，即牛顿型算法、信赖域方法和遗 传算法，并介绍了遗传算法在非线性方程组的数值求解问题中相关研究成果。 第三章，提出了一种求解非线性互补问题(Ⅳ凹)的混合遗传算法：将浮点遗传 算法和牛顿型算法相结合，用浮点遗传算法快速求出Ⅳ(，等价优化问题的接近精确解 的较优解作为牛顿型算法的初始迭代值，然后转入牛顿型迭代以迅速求得满意的近似 解，并用试验函数验证这种混合遗传算法的有效性。 问题l：Ⅳ(?问题转化为等价的最优问题 非线性互补问题即：求工∈R”，使得x≥O，F(x)≥0，z 7’F(x)=O，其中F：R”专R” III ∥(口，6)=口+6一√口2+62 把Ⅳ(，问题转化为非线性方程组来求解。显然函数少(·，·)在R2＼{(O，0)}上是连续可微的。