基于约束优化和动态优化的粒子群算法分析-analysis of particle swarm optimization algorithm based on constrained optimization and dynamic optimization.docxVIP

符号说明表NLP:非线性规划问题（ Nonlinear Programming） EA:进化算法（ Evolutionary Algorithm）PSO:粒子群优化算法（ Particle Swarm Optimization）CPSO:处 理 约 束 的 粒 子 群 算 法 （ Constraint-HandlingforParticleSwarm Optimization）IPSO:改进的粒子群算法（ Improved Particle Swarm Optimization）w -PSO: w -粒子群算法（ w -Particle Swarm Optimization）DIPSO:动 态 的 改 进 的 粒 子 群 算 法 （ DynamicImprovedParticleSwarm Optimization）VEGA: 向量评估遗传算法（ Vector Evaluated Genetic Algorithm） HM:同态映射法（ Homomorphous Mappings）ASCHEA: 适 应 分 割 约 束 处 理 进 化 算 法 （ Adaptive Segregational Constraint Handling Evolutionary Algorithm）SR:随机排序约束优化算法（ Stochastic Ranking） VLS:变量局部搜索（ Variable Local Search）SPA:连续种群算法（ Serial Population Algorithm） DF1:动态函数 1(Dynamic Function 1)IV湘潭大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在 导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以 标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的 成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确 方式标明。本人完全意识到本声明的 法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留 、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送 交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可 以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存和汇 编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日第一章绪论1.1 约束优化概述优化处理的是具有多个变量且通常需要服 从等式 和（或 ）不等式约束的最小 化或最大化函数问题 [1 ] 。而约束优化处理的即是有等式 和（或 ）不等式约束的优 化目标函数的问题 ，即非线性规划问 题（ NLP：nonlinear programming）。由于许 多实际问题无法建模为线性规划问题 ，因此 非线性规划成为在几乎所有工程 、运 筹学和数学领域中非常重要的工具 。在生产计划 、控制 、故 障诊断等领域 ，许多 实际问题可以归结为约束优化问题 ，所以约束优化是优化问题的主要研究领域之 一，吸引了越来越多不同背景研究人员的注意力。 NLP 问题是一个难以处理的 问题，在全局优化的意义下要找一个优于 穷举搜索的确定性方法是不可能的 [2 ] ， 这就为进化算法处理约束优化问 题提供了广阔的空间 。在这一领域的研究一直很 活跃 ，并且由于实际约束优化问题非常复 杂 、困难 ，要很好地解决这类优化问题 需要科研人员投入更多的精力 。因此 ，解 决约束优化问题是一个非常有实际意义 和科研价值的课题。 1.2 动态优化概述当优化的目标 、问题的实例或者约束条件 发生变化时 ，问题的最优解也将随 之改变 ，这就是动态环境下的最优化问题 [3 ] 。动态优化问题在现实世界中很常见， 问题也比较复杂 ，往往是随着时间在变化 。例如 ，在物流配送过程中 ，由于受到 客户优先级 、交通环境等因素变化的影响 ，物流配送问题相应也发生变化 。在当 前时刻得到的最优值 ，不一定是下一时刻 的最优值 ，这就需要对问题进行重新建 模求解 ，但也不能保证计算结果的实时有 效性 。与之类似的动态环境还包括动态 旅行商问题 、目标识别的环境变化 、动态的调度问题等 。在动态环境下对算法的 搜索能力以及感应环境变化 ，特别是实时 性的要求非常高 。所以这一研究领域也 得到了众多研究人员的关注 ，并投入相当多的精力通过进化算法追踪动态优化问 题的最优解 [ 51- 55 ] 。因此构造动态环境以及对动态环境 下的优化问题的求解也是具 有非常重要的意义的。 1.3 粒子群算法概述自然界生物体通过自身的演化来适应周围 的环境从而不断地向前发展 ，进化 算 法（ EA：