基于正交设计求解动态鲁棒问题新算法.docVIP

基于正交设计求解动态鲁棒问题新算法 　　摘要：设计了一个基于正交设计法求解动态鲁棒优化问题的新算法（RODEA）。该算法把目标搜索区域划分成很多小邻域（小生境），每个小生境都有一个代表，对每个小生境用正交设计法（构造正交矩阵进行抽样）搜索可能成为小生境代表的潜在优解。还设计了一个基准测试函数用来测试动态鲁棒优化问题。实验数据表明RODEA用来求解动态鲁棒问题具有很好的效果。 　　关键词：正交设计；动态鲁棒优化；小生境 　　中图分类号：TP301．6文献标志码：A 　　文章编号：1001－3695(2008)03－0732－03 　　 　　在一个激烈变化的动态环境下，如果目标对环境变化很敏感，很多算法很难找到最优解，这时希望在解的抗扰动性（鲁棒性）和解的最优值之间寻找一个平衡点。所以研究动态鲁棒优化问题具有重要的实际意义。文献[1~4]中提出了很多求解鲁棒问题的算法。这些算法求出的解虽然不一定是最优解，但在动态环境下具有较好的鲁棒性（抗扰动性）。然而，这些算法一般通过简单的统计抽样来求解动态鲁棒优化问题，其性能会随目标函数复杂度的增大而显著降低。本文在ODEA[5]基础上设计了一个基于正交设计法求解动态鲁棒问题的新算法RODEA；还设计了一个基准测试函数，这个测试函数能很好地测试动态鲁棒优化问题。正交设计法通过构造正交矩阵在问题域里均匀采样，能很好地抵抗环境变化给解带来的剧烈扰动，使求得的解具有较好的鲁棒性。 　　 　　1动态鲁棒优化定义 　　 　　1．1优化 　　定义1动态优化问题： 　　xmax(t)=arg maximizex∈Sf(x,t) (1) 　　其中：x=(x1,x2,…,xN)是N维自变量；S是搜索空间。目标函数f的值不仅与x有关，还与时间t有关。自变量x的维数和搜索空间S的大小是预先设定好的，它们不随时间变化。xmax(t)是目标函数在时间为t时的最优解。 　　在求解动态优化问题时，时间不断变化，所以找到每一具体时刻的最优解xmax(t)在操作上不可行。实际操作时，一般都是跟踪解随时间改变的运动趋势。这里假设环境在一段相对静止的时间后突然发生变化。这样可以认为目标函数的值在这段相对静止的时间里只依赖于变量x，而不依赖于时间t。在这段相对静止的时间里，希望算法尽可能找到最优解。 　　1．2鲁棒解定义 　　以求最大值的动态优化问题为例，如果xrobustmax(t)是求该最大值动态优化问题的可行解，称xrobustmax(t)为时间为t时的动态鲁棒解。 　　定义2动态鲁棒解 　　xrobustmax(t)=arg maximizex∈Sf eff(x,t)(2) 　　这里： 　　f eff(x,t)=1/|y∈Bδ(x)∩S|×∫f(y,t)dyy∈Bδ(x)∩S(3) 　　其中：Bδ(x)是x的一个δ邻域。该邻域每边的边长构成向量δ= (δ1,δ2,…,δN)。如果不考虑解的鲁棒性可令δ=0。 　　 　　2基于正交设计的动态鲁棒算法 　　 　　2．1RODEA的基本思想 　　与一般演化算法不同，RODEA把待搜索的问题域划分成很多小生境（小邻域），在每个小生境里用正交设计法来搜索可能成为小生境代表的潜在优解，再把这些小生境的代表（潜在优解）组为新的群体，对这些代表执行变异等遗传操作。正交设计法[5]在一个较小的邻域里很好地利用了环境变化前后有效的相似信息。 　　RODEA通过评估每个小生境代表适应性的好坏来间接评估每个小生境适应性的好坏；通过小生境代表的位置来判断小生境是否搜到整个搜索空间的一个峰（最优解对应的函数值）。如果小生境的代表位于小生境内部，称这个小生境找到了当前搜索空间的一个峰；如果小生境的代表位于小生境边缘，称这个小生境没有找到当前搜索空间的一个峰。 　　RODEA也采用了SOS[6]算法中种群分离的思想，把小生境分成看守小生境和探索小生境两部分。每当环境变化时，看守小生境保存环境变化前已经搜到的峰值，探索小生境在全局范围里搜索新环境下新的峰值。这样，一方面看守小生境能充分利用环境变化前后有效的相似信息；另一方面探索小生境在全局范围里搜索新峰，增加了群体的多样性，避免算法陷入局部最优。 　　变异操作是RODEA中惟一使用到的遗传操作。变异操作执行如下：对于看守小生境，如果它没有罩住峰，就向距离其最近的峰值移动，否则，就执行收缩操作以提高算法的精度；对于探索小生境，如果它没有罩住峰，就向距离其最近的峰值移动，如果探索小生境罩住了一个峰，就与看守小生境里保存的旧峰值比较，如果该新峰值比旧峰值中保存的峰值大，就用它替换掉旧峰值中的较低峰，再随机生成一个新的探索小生境。 　　2．2RODEA的执行步骤 　　如果没有特别的说明，以下RODEA都