第九章 化学反应优化CRO算法综述.doc

化学反应优化综述A review of chemical reaction optimization algorithm YANG Zhen, ZHOU Hui (School of Electronics and Information, Nantong University, Nantong 226019, China) Abstract: The developments and applications of chemical reaction optimization (CRO) algorithm are discussed. Firstly, developments in the chemical reaction optimization algorithm since 2010 are reviewed; Then the parameter Settings are analyzed systematically according to the existing research results, the energy conservation principle and the operators of four elementary reactions which the algorithm used commonly are discussed , and some improvement methods of different problems are proposed, In addition, some common test functions and the comparisons between CRO and others existing evolutionary algorithms are introduced; Finally, the applications of CRO are introduced and the further possible research directions are reviewed. Key words: avolutionary algorithm; chemical reaction optimization(CRO);elementary reactions ；the central energy buffer；energy conservation principle 引言 化学反应优化算法(Chemical Reaction Optimization,简称CRO)是由Albert Y.S. Lam和Victor O.K. Li于2010年开发的一种新型演化计算技术，灵感来源于大自然中的化学反应。它模拟化学反应中分子间的相互作用以寻求最小系统势能的过程。在短短几年里，CRO已经成功地解决许多复杂问题，并且在许多测试函数中性能优于已知的其他优化算法。 目前人们对CRO的研究已由单一的二次分配领域渗透到多个应用领域；由解决低维单目标问题发展到解决高维动态组合问题；由刚开始的离散域范围拓展到连续域范围，使得这种新兴的启发式优化算法展现出优异的发展，并已成为可与遗传算法、蚁群算法相媲美的智能优化算法。 本文首先介绍了CRO算法的基本原理和标准版本，然后讨论化学反应优化算法的发展以及应用状况，并与其它进化算法进行比较，最后对该算法存在的不足及未来可能的研究方向进行展望。 算法原理 CRO算法与其他进化算法相似，也是基于群体的。一般来说，化学反应只需遵循两个热力学定律以及四种初等反应。在化学反应的持续过程中，反应物经过过渡状态总是会转变成系统势能最小的更稳定的生成物。 由此可见，化学反应优化就是使系统势能达到最小的优化过程。 CRO是一个多代理算法，操作代理是分子。每个分子都有CRO必需的几个属性，包括（a）分子结构（），（b）势能（PE），（c）动能（KE）。其中PE=f（w）。其余属性取决于使用者和利用算法构建的变异CRO。在已发表的大多数CRO变异体中，有些可选属性也是适用的，比如，（d）碰撞次数（NumHit），（e）最小结构（MinStruct），（f）最小势能（MinPE），（g）最小碰撞次数（MinHit）。 .1 能量守恒定律 CRO的基本原理是能量守恒定律，把所有涉及的分子和连着buffer的一个有限空间称作完备系统。系统的总能量由初始种群大小PopSize，初始动能值InitialKE及初始buffer决定，即 （1） 其中，，， 分别表示在时间t时，分子i的势能动能，种群大小，缓冲能量。C是常量。 k，l分别表示反应前后的种群大小，分别表示反应前的分子和反应后生成的分子，则必须满足下列能量守恒条件，初等反应才能