改进的进化算法于求解约束优化问题.pdfVIP

摘要 在科学研究和工程实践中，许多实际问题最终都归结为求解一个 带约束条件的函数优化问题。进化计算作为一类通过模拟生物进化过 程与机制来求解问题的优化技术，为解决复杂优化问题提供了新的思 路和方法，并且在许多约束优化问题的求解上取得了成功。近年来， 越来越多的研究者将注意力投在进化算法上，提出了多种约束优化进 化算法。 本文作者结合佳点集理论重新设计交叉算子，提出佳点集交叉算 子，该交叉算子能够生成实数域中具有代表性的子代个体以更好地搜 索决策空间。针对该交叉算子，提出一种求解约束优化问题的新算法 基于佳点集约束优化进化算法 COAGPN 。该算法首先把约束优 化问题转化为两个目标的多目标优化问题；接着佳点集交叉算子生成 子代个体和BGA变异算子增加子代个体的多样性；最后根据当前子 代群体的进化信息，利用联赛选择算子或Pareto优超关系选择优胜个 体进入下代群体。12个标准测试函数的实验验证算法的有效性、稳 健性和通用性，同时也验证了算法收敛速度快的特点，通过与另外两 个较好的约束优化进化算法的实验结果的比较表明了该算法具有很 高的性能。 本文作者还结合记忆策略、差异进化算法和粒子群优化算法提出 过程中获取的经验组成的记忆单元，种群只允许违反约束程度大的一 半粒子由粒子群优化算法进化，这些粒子根据自己历史最好位置和群 体历史最好位置提供的信息在搜