一种新的求解非线性规划的混合遗传算法.pdfVIP

第八届中国青年运筹信息管理学者大会论文集 桂林，2006年8月18—22日，第634-638页 一种新的求解非线性规划的混合遗传算法 李丰兵 桂林电子科技大学计算科学与数学系，广西桂林，541004 摘要本文提出了一种新的求解约束非线性规划问题的混合遗传算法。首先，设计出了新的适 应度函数和新的进化算子，并将新的同部搜索方法与遗传算法相结合来提高遗传算法的全局搜 索能力和收敛速度。数值实验的结果表明了该算法的有效性． 关键词约束非线性规划问题，混合遗传算法，适应度函数，全局搜索，收敛速度 1引言 对于约束非线性规划问题，传统的求解方法比较多[1’4]，如：惩罚函数法、乘子法、 投影梯度法、约束变尺度法等，这些方法对目标函数和约束函数的特性都有一定的要求。 并且，这些算法对全局最优解的搜索能力差，当处理含有多峰极值的约束非线性规划问题 时，容易陷入局部最优。因此，对于复杂的约束非线性函数优化问题，传统的优化方法是 很难求出其全局最优解的。而遗传算法对目标函数和约束函数的特性要求远不如传统优化 算法高，并且遗传算法是一种全局优化搜索算法，故它是求解约束非线性函数优化问题的 Genetic 一种比较理想的算法。但基本遗传算法(Simple 优解的搜索效果并不理想，其主要原因是进化算子没有充分利用约束条件函数。为此，本 文提出一种新的求解约束非线性规划问题的混合遗传算法。 fmin，G) 本文考虑的非线性规划问题模型(P){s．t．g。G)≥o，{-1，2，…，m． 【 J∈月“ 且，b)及g；bX(f_1,2，…，m)．中存在非线性函数。记s为可行域，即 S=1石lgj(工)≥0，f=1,2，…，m，x∈R4} 2算法的设计思想 在求解约束非线性规划问题时，单靠传统的进化算于(杂交，变异，选择)是远远不 够的，必须引入新的算子，采取新的搜索方式，才能提高算法对全局最优解的搜索能力。 一种新的求解非线性规划的混合遗传算法 2．1定义新的适应度函数F(x) ㈣2侈：2m#触Ⅲ哪篓； 其中，，o为当前种群C中可行个体(在可行域S内的个体)的目标函数最大值。 如果不存在可行个体， 为方便， 取，为 则取k=0： ，o+max{-gi(曲，i=1一m，xECJ的一个上界。由上适应度值的定义，可进行比较任 意两个体的优劣，适应度值大的个体比适应度值小的个体优。显然，可行个体总优于非可 行个体： 2．2超球体变异算子 传统遗传算法中，变异算子存在着如下三个方面特点：1)变异范围与进化代数无直 接关系，合理的情形应该是变异范围随进化代数增大而减小，在进化初期，变异范围需大 一点，来维持种群的多样性，在进化后期，为促进算法对最优解的进一步搜索，应在个体 的附近小范围内进行变异；2)变异范围与个体适应度值大小无关，合理的情形应该是对 适应度值大的个体应在其附近小范围内实施变异来进一步改善其适应度值，对适应度值小 的个体应让其在较大范围内变异；3)变异一次时，只对个体的单个基因实施变异，这样 在高维自变量空间中，局部搜索效率很低。基于上述原因，本算法设计如下变异算子： 其中，石，X’∈R“分别为变异的父代和后代，鼠，以，…，乱一l均为【O，2x]内服从均匀 初始半径，b为修正超球体半径衰减快慢的系数，，为一个很小的正数(以保证最优个体 的变异范围不为O)。 由上可看出此变异算子是对个体的所有基因同时变异，且变异范围随进化代数，个体 的适应度值增大而减小。因而，它具有一定的自适应性，可以提高算法的局部搜索能力。 2．3超-Cry-体杂交算子 杂交是对个体间进行的遗传操作，由个体问的相互作用来产生出新的个体，维持看种 群的多样性。本算法中采用的杂交方式如下：以等概率从种群只中选出k(k≥2)个个体 工1=∽，x：，…，工扎 i=(x-,，夏，…，-2．)，