分工搜索演化算法及其应用的分析-evolutionary algorithm of division of labor search and its application analysis.docxVIP

分工搜索演化算法及其应用的分析-evolutionary algorithm of division of labor search and its application analysis.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
分工搜索演化算法及其应用的分析-evolutionary algorithm of division of labor search and its application analysis

南京邮电大学硕士研究生学位论文第一章 南京邮电大学硕士研究生学位论文 第一章 绪论 PAGE PAGE 1 第一章 绪 论 1.1 研究背景 演化算法通常是解决工程问题(最优化问题)的主要工具,关心能否在传统方法上有所 提高,包括速度、工作量,实用性,精确性等。有些工程优化问题可以转化为单极值优化 模型来求解,而有些则转化为多极值优化模型,传统局部优化算法只能寻到局部最优解, 而演化算法则具有全局寻优的特性,能以较少的运算代价搜索到全局最优解或近似全局最 优解,尤其对多极值问题寻优效果明显。当前大多数的研究比较集中于演化算法的构造, 包括新算法的提出,已有算法的改进、融合,以及针对某一类或某一个问题构造出特定的 演化算法等。其中团队进步算法[1](Team Progress Algorithm,TPA)由于团队成员间的分工 合作而具有全局寻优成功率高、收敛速度快的优点,所以可考虑将其分工合作的思想引入 单种群演化算法中,构造出一个全新的算法,赋予新算法分工搜索的特性,使其可以更好 的寻优。 1.2最优化问题 1.2.1 最优化问题概念 常见的最优化问题简单的说就是有约束最大化或最小化问题,即在满足一定的约束条 件的前提下,寻求一组参数值以使系统的某些性能指标达到最大或最小。最优化理论和方 法是一门理论性和应用性很强的学科,是在第二次世界大战后迅速发展起来的。最优化与 数学(几何、代数、概率等)、计算机科学、系统科学、自动化等学科密切相关,已在工 农业、金融业、通信业等众多领域有广泛的应用。 随着社会生产的发展和科学技术的进步,人们越来越重视最优化理论和方法的使用, 目前它已经渗透到生产、商业、管理、军事等各个领域。最优化理与算法包括最优设计、 最优计划、最优管理和最优控制各个方面,可以为现实生活中的各种优化问题提供理论基 础和求解方法。 1.2.2 最优化问题的数学模型及分类 最优化问题根据其变量,约束,目标、问题性质、时间因素和函数关系等不同情况, 可以分成多种类型[2]。每种类型的优化问题根据其性质的不同都有其特定的求解方法。 最优化模型一般由变量、约束条件和目标函数者三个要素构成,一般来讲,可设所考 虑的优化问题为: ?min f (X ) ???i( p) ?h (X ) ??0, i ??1, 2,..., ? ??i ?g j ( X ) ??0, j ??1, 2,..., p  (1-1) T n 其中 X 是 n 维向量,X ??[x1, x2 ,..., xn ] ??R ,在实际问题中通常把 x1 , x2 ,..., xn 叫做决策变量; f (X ) 为目标函数,hi (X ) ??0(i ??1, 2,..., m) 为等式约束函数,g j (X ) ??0( j ??1, 2,..., p) 为不等式 约束函数,满足约束条件的 X 称为可行解或可行点、容许解,全体可行解构成的集合称为 可行域或容许集,记为 D 。式 (1-1)列出的是求极小值问题,若要求极大值问题,只需将 目标函数 min f ( X ) 变为 min ???f ( X )??或 min ?1 / f ( X )?, f ( X ) ??0 即可。 根据目标函数和约束函数的不同形式和类型可以将最优化问题分为不同类型。据有无 约束函数可分为有约束最优化问题和无约束最优化问题;据目标函数和约束函数是否是线 性函数可分为线性规划和非线性规划。很明显式 (1-1)就属于非线性规划问题。求解最优 化问题 ( p) 的基本方法从一个初始可行点出发,依次产生一个可行点列,使得可行点列中 恰好有一可行点是所求问题的一个最优解,或者是此可行点列收敛到问题的一个最优解 处。此处给出非线性规划问题(1-1)解的定义: (1) 可行解:若 x????D ( D为可行解域 ),则称 x??为式(1-1)的可行解。 (2) 全局最优解:若对 ?x ??D, 有f (x??) ? f (x) ,则称 x??为 (1-1)的全局最优解即全局极小 点,相应的目标函数值 f (x??) 为全局最优值即全局最小值。 (3) 严格全局最优解:若对 ?x ??D(x ??x* ), 有f (x??) ??f (x) ,则称 x??为式(1-1)的严格全局 最优解。 (4) 局部最优解:若存在 x??点的一个邻域 N (x* ,??),????0, 使得对?x ??N (x* ,??) ??D, 有f (x??) ??f (x);则称 x??为式(1-1)的局部最优解即局部极小点。 (5) 严格局部最优解:若存在 x??点的一个邻域 N (x* ,??),????0, 使得对?x ??N (x* ,??) ??D, 有f (x??) ??f (x);则称 x?

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档