混合整数非线性规划问题的扩展联合多目标的差分进化算法.pdf

第３３卷 第２期 桂 林 理 工 大 学 学 报 Ｖｏｌ３３Ｎｏ２ ２０１３年５月 ＪｏｕｒｎａｌｏｆＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｍａｙ　２０１３  文章编号：１６７４－９０５７（２０１３）０２－０３２５－０４　　　　　 ｄｏｉ：１０３９６９／ｊ．ｉｓｓｎ１６７４－９０５７２０１３０２０２２ 混合整数非线性规划问题的扩展 联合多目标的差分进化算法 １ １ １ ２ １ 董明刚 ，程小辉 ，牛秦洲 ，马新娟 ，姜传贤 （１桂林理工大学 信息科学与工程学院，广西 桂林　５４１００４；２山东理工大学 计算机科学与技术学院，山东 淄博　２５５０４９） 摘　要：为高效求解混合整数非线性规划问题，提出了一种优化的扩展联合多目标差分进化方法 （ＥＣＭＯＤＥ）。该方法借助整数变量连续化方法，把混合整数非线性规划 （ＭＩＮＬＰ）问题转换成只有连 续变量的非线性规划 （ＮＬＰ）问题，再采用联合多目标的差分进化方法 （ＣＭＯＤＥ）来求解。通过对７ 个ＭＩＮＬＰ测试问题的计算研究，验证了ＥＣＭＯＤＥ方法的可行性和有效性，所获得的寻优结果优于文 献报道的ＭＤＥ和ＤＥＴＬ方法，具有较大的应用潜力。 关键词：联合多目标；差分进化；混合整数；非线性规划 中图分类号：ＴＰ３０１６　　　　　　　　　　　　　文献标志码：Ａ ［５］ 和快速收敛等优点，在优化领域备受关注 。在 ０　引　言 ＤＥ算法及其应用研究方面取得了大量的研究成 ［５－６］ 在优化领域中，混合整数非线性规划 （ｍｉｘｅｄ 果 。已有研究者将ＤＥ用于求解 ＭＩＮＬＰ问题， ｉｎｔｅｇｅｒｎｏｎｌｉｎｅｒｐｒｏｇｒａｍｍｉｎｇ，ＭＩＮＬＰ）问题因其 并取得了较好的效果［１，３－４］。但现有的一些方法大 具有混合变量和非线性等特征，导致其复杂性大 多需要借助于序列二次规划 （ｓｅｑｕｅｎｔｉａｌｑｕａｄｒａｔｉｃ ［１］ 大增加。如何有效求解 ＭＩＮＬＰ问题仍是优化领域 ｐｒｏｇｒａｍ，ＳＱＰ）等方法来提高解的质量 ，因而 ［１－４］ 面临的难题之一 。目前针对该问题的研究方 对于一些复杂问题容易陷入局部极值或找不到可 法主要包括３类：数学规划方法、智能优化方法 行解。最近，在求解连续约束优化问题 （ｃｏｎ 和混合方法。传统的数学规划方法虽然能从理论 ｓｔｒａｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓ，ＣＯＰｓ）时，Ｗａｎｇ等 上保证获得最优解，但其对问题要求严格，且其 将多目标方法与ＤＥ方法相结合，提出了一种高效 计算复杂性会随问题规模的增大而快速增长。因 的、连续约束优化算法———联合多目标的差分进 此，该方法在求解一些复杂的ＭＩＮＬＰ问题时效果 化算法（ｃｏｍｂｉｎｉｎｇｍｕｌｔｉｏｂｊｅｃｔｉｖｅｗｉｔｈｄｉｆｆｅｒｅｎｔｉａｌｅ ［７］ 欠佳。智能优化方法因对所求解的问题没有连续 ｖｏｌｕｔｉｏｎ，ＣＭＯＤＥ） 。笔者提出了一种优化的面向 和可导等特别要求，且实现简单、通用性好，受 混合整数非线性扩展的联合多目标的差分进化方 到越来越多的关注。混合方法通过将智能优化方 法（ｅｘｔｅｎｄｅｄｃｏｍｂｉｎｉｎｇｍｕｌｔｉｏｂｊｅｃｔｉｖｅｗｉｔｈｄｉｆｆｅｒｅｎｔｉａｌ 法用于全局搜索，将数学规划方法用于局部搜