基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究术.pdf

第 24卷 第 2期 模式识别与人工智能 V01．24 No．2 2011年 4月 PR AI Apr 2011 基于拟蒙特卡罗方法的进化算法 搜索鲁棒最优解的性能提高研究术 朱-X--E 罗 彪 郑金华 蔡 自兴 。(中南大学 信息科学与工程学院长沙 410083) (湘潭大学 信息工程学院湘潭 411105) 摘 要 鲁棒最优解在工程应用中具有十分重要的意义，它是进化计算的重要研究内容，也是研究难点．进化算法 搜索鲁棒最优解时，通常使用蒙特卡罗积分(MCI)近似估计有效 目标函数(EOF)，但由于现有的原始蒙特卡罗方 法(C-MC)近似精度不高，导致进化算法搜索鲁棒最优解的性能较差．文 中提出用拟蒙特卡罗方法(Q-MC)估计有 效 目标函数．通过大量的数值实验，结果表明，与C-MC相比，文中所引入的Q—MC方法——sQRT序列、SOBOL序 列和 Korobov点阵能更精确估计EOF，进而较大提高进化算法搜索鲁棒最优解的性能． 关键词 进化算法，鲁棒最优解 ，拟蒙特卡罗方法，有效目标函数 中图法分类号 TP181 Research onIncreasingthePerformanceofEvolutionaryAlgorithm inSearchingRobustOptimalSolutions BasedonQuasi--MonteCarloMethod ZHUYun—Fei ，LUOBiao ，ZHENGJin—Hua ，CAIZi．Xing (SchoolofInformationScienceandEngineering，CentralSouthUniversity，Changsha410083) (CollageofInformationEngineering，XiangtanUniversity，Xiangtan411105) ABSTRACT Robustoptimalsolution isofgreatsignificance in engineeringapplication．Itisoneofthemost importantanddifficulttopicsinevolutionarycomputation．MonteCarloIntegral(MCI)isgenerallyused toapproximateeffectiveobjectivefunction(EOF)insearchingrobustoptimalsolutionwithevolutionary algorithm (EA)．However，duetothelowaccuracyinexistingcrudeMonteCarlo(C-MC)method，the performanceofsearchingrobustoptimalsolutionwithEA isunsatisfactory．Therefore，aQuasi—Monte Carlo(Q—MC)methodisproposedtoestimateEOF．Theexperiment~ resultsdemonstratethatthe proposedQ—MCmethods—SQRTsequence，SOBOLsequenceandKorobovLatticeapproximateEOF morepreciselycomparedwith C·MC method，and consequently，theperfomr anceofsearchingrobust 国家自然科学基金项 目(No、湖南省 自然科学基金项目(No．09JJ6089)、湖南省教育厅项 目(No．10C126)资助 收稿 日期：2010—03—