基于混沌技术连续禁忌搜索算法研究.docVIP

基于混沌技术连续禁忌搜索算法研究 　　摘要:将混沌技术与加强连续禁忌搜索算法(ECTS)相结合，利用混沌的随机性和遍历性，结合ECTS算法的快速性，提出一种混合最优化搜索算法――混沌加强连续禁忌搜索算法(CECTS)。通过应用Benchmark函数对CECTS算法进行测试表明，CECTS相对于ECTS算法能够提高寻优的成功率，减少目标函数的计算量，是一种比较适合工程优化问题的优化方法。 　　关键词:混沌; 加强连续禁忌搜索; 连续系统; 优化 　　中图分类号:TP18文献标志码:A 　　文章编号:1001－3695(2008)02－0411－03 　　 　　禁忌搜索(tabu search，TS)算法的思想最早由Glover[1]提出，它是对局部领域搜索的一种扩展。TS算法最重要的思想是标记对应已搜索到的局部最优解的一些对象，并在进一步的迭代搜索中尽量避开这些对象，从而保证对不同的有效搜索途径的探索。TS算法已经成功应用于组合优化问题[2]，但其在连续系统优化中的应用还不多。文献[3]提出了连续禁忌搜索算法(CTS)。与随机搜索算法(RS)和模拟退火算法(SA)相比，CTS算法具有一定的优越性。但该算法采用分散化搜索来寻找最优解，增加了寻优计算量，并且CTS的寻优成功率不能得到保证。 　　为解决CTS算法的上述问题，文献[4]采用分散化搜索和集中化搜索相结合的方式，提出了加强连续禁忌搜索算法(ECTS)。测试表明，在同样的条件下，ECTS与CTS相比需要更少的目标函数计算量，并且寻优成功率明显提高。但是ECTS算法还存在一些问题:a)领域随机数的产生方法不能实现遍历性;b)最有希望区的搜索方法容易错过更好的希望区。文献[5]在原ECTS的基础上进行了一定的改进，提高了获得最有希望区的可能性，但仍存在不能实现遍历的问题。 　　 　　1ECTS算法的介绍 　　 　　1.1ECTS的实现方法 　　ECTS是一种解决连续优化问题的算法。它主要由五部分组成(图1)[4]，即参数设置#65380;分散化搜索#65380;最有希望区的识别#65380;集中化搜索#65380;最佳点的输出。其中第二#65380;三#65380;四部分为三个核心步骤。 　　ECTS算法首先进行参数的设置，这包括禁忌表和希望表的大小#65380;禁忌球和希望球的半径等。之后在整个搜索空间内产生一定数量的随机数，计算有希望区接收阈值，选择其中的最佳解为当前解，并将其加入禁忌表。 　　分散化搜索用于确定有希望区的列表，在以当前最佳解为中心的超立方体中产生一定数量的领域解。为了避免迂回搜索，属于禁忌表的领域解将被清除，选择剩余领域解中的最佳解为当前解，并将其加入禁忌表;同时对当前最佳解进行希望区的检测(检测方法参见文献[4])。如果满足希望区的接受条件，则更新希望表。重复执行上述过程，直到满足在一定迭代步数内未发现新的希望区为止。至此结束分散化搜索。 　　最有希望区搜索针对分散化搜索所产生的每一个有希望解执行“产生领域解#65380;选取最佳解”的搜索过程;然后用最佳领域解替换有希望解(仅在领域解优于有希望解时执行)，而当整个希望表被扫描后，算法将移去最不重要的有希望区。上述过程重复进行，直到只有一个有希望区域存在，即最有希望区。 　　集中化搜索应用CTS算法在最有希望区内进行集中化搜索，直到满足一定的终止准则。 　　1.2ECTS算法的问题 　　文献[4]对ECTS算法进行了测试，并与其他算法进行了对比，表明ECTS具有一定的优越性。但是，通过对ECTS算法执行过程的分析，发现该算法存在以下问题: 　　a)领域随机数的产生方法存在不能实现遍历性的问题。ECTS算法在初始化阶段，有希望区接收阈值的计算采用随机方式在整个搜索空间内产生一定数量的采样点，接受阈值取为这些采样点的目标函数值的平均值。这种方法所产生的采样点只具有随机性，而不具有遍历性，这使得所产生的接收阈值或者偏大，或者偏小。对于极小值问题，偏小将可能错过最有希望区;偏大则会增加搜索计算量。同时，在进行领域随机数的产生时，ECTS算法同样存在上述问题，即产生领域随机数的方式不能实现均匀遍历性。这将降低搜索效率，增加反复的搜索过程。 　　b)ECTS算法中最有希望区的搜索采用先确定全部有希望区，然后再进行最有希望区搜索。该方式存在一个问题:如果定义域范围较大，则希望表的大小必须很大，同时在之后的最有希望区的搜索中将增加计算量。 　　为解决此问题，文献[5]采用在搜索有希望区的同时搜索最有希望区的方式。这样不但可以节省有希望区的存储空间，而且可以提高最有希望区的准确定位能力。本文依旧采用文献[4]的随机数产生方式，第一个问题仍然存在。 　　 　　2CECTS算法