解复杂优化问题的仿生算法的研讨.pdf

摘要 、遗传算法和神经网络优化是新发展起来的仿生优化算法，它们分别借鉴了 生物的遗传进化机制和人脑的信息处理机制一本文提出了与试验设计相结合的 遗传算法，分别用于求解组合优化、多目标优化和非线性优化问题。另外，对 LT方法进行了改进，并对其进 于种用神经网络求解组合优化问题的Ilybrid 行了收敛性分析。 首先本文介绍了遗传算法的基本框架，前人的理论成果，神经网络优化和 本文的研究工作，并埘全文各章节做了总体安排；然后简要介绍了正交设计与 均匀没计，并给出了这些试验设计方法与原有遗传算子结合的基本思路，它是 后面提出的新算法中构造遗传算子的理论基础；接着提出了求解优化问题的新 的遗传算法，主要包括求解组合优化问题、多目标优化问题和非线性优化问题 的遗传算法。此外，提出了两个概念：非劣解集的方差和熵，可定量描述不同 算法所得非劣解集的质量；在解非线性优化问题的遗传算法中，为保证算法的 有效性和种群的多样性，提出了一种新的选择方法，对于新算法的收敛性也做 了讨论。对HybridL，T算法进行了改进，并讨论了原算法没有讨论的收敛性问 题，得到了算法收敛的充分和必要条件。(最后对各算法进行了数值实验，结果 表明了各算法的有效性。、÷ 关键词：仿生算法遗传算法试验设计神经网络收敛‘娩 ABSTRACT Genetic andneuralnetworkarenew algorithms methods．Thesearcbasedo：c_-tain of optimization algorithms conceptsbiological evolutionand ofthe operationbrain．Inthis somene$v paper geneticalgorithms basedon are LT experimental scheme designproposed．Besides，allimprovedHybrid iS and its iSdiscussed． presentedconvergence This a startswithbasicstructureofGAsandbroad of paper cufTent survey usedin 2includesabrief introductionofuniformand techniquesGAs．Chapter design orchogonal discusseshowto these into design，and incorporate designs experimental isthefoundationof evolutionaryoperators，which the