基于多智能体遗传算法的约束优化方法研究-电路与系统专业论文.docxVIP

西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导 师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注 和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果； 也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明 并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生 在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留 送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合 学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 日期 导师签名： 日期 摘 要 摘 要 I 摘 要 遗传算法的出现为复杂优化问题的求解提供了新的思路。由于它具有智能性、 通用性、稳健性和全局搜索能力，遗传算法在很多领域取得了很大的成功。现实 世界中存在大量的优化问题，特别是在科学研究和工程实践领域，而这些问题往 往都带有约束条件。由于问题自身的特点，传统方法已经难以独立解决。遗传算 法作为一种基于群体搜索的全局优化方法，十分适合于约束优化问题的求解。 本论文对遗传算法求解约束优化问题进行了深入的研究，主要研究工作包括 以下几个方面： （1）将智能体遗传算法的邻域竞争算子与一个有效的约束优化技术相结合， 提出了一种基于智能体遗传算法的约束优化方法。该方法能充分利用不可行解的 信息，使得算法能更准确的找到全局最优解。通过对12个标准函数的仿真实验， 结果表明我们的方法具有良好的性能。 （2）将可行域逼近策略用于智能体遗传算法求解约束优化问题。该方法在进 化过程中使得算法的解逐步逼近全局最优解，从而避免了算法陷入局部最优。实 验中用12个标准函数进行测试，结果表明该方法优于其它方法。 （3）将传统优化算法与智能体遗传算法相结合，提出了混合智能体遗传算法 求解约束优化问题。该方法克服了遗传算法收敛速度较慢，且局部搜索能力不强 的缺点。实验中用12个标准函数进行仿真，结果表明该算法是一类高效的非精确 混合遗传算法。 （4）将智能体遗传算法与一种有效的约束优化技术相结合，提出了一种新的 方法处理布局优化问题。布局优化是NP难问题，也是复杂的非线性约束优化问题， 传统的优化方法容易陷入局部最优，我们提出的方法克服了陷入局部最优的缺点。 分别通过对5个圆问题和7个圆问题进行仿真实验，结果表明该方法提高了布局优 化问题解的质量。 关键词：约束优化，智能体遗传算法，可行域逼近策略，混合遗传算法 Abstract Abstract III AbstractIV Abstract IV Abstract Evolutionary Algorithm provides a new way to solve complex optimization problems. Because of its intelligence, universality, robustness and global search ability , EAs have been widely used in this field and have a great success in recently several decades. It is common to face a number of optimization problems in many areas of the real world, especially in the science and engineering fields. However, these problems are often constrained. Because of the different features of these problems, the traditional methods are hard to solve these problems effectively. As roust population-based global search methods, Evolutionary Algorithms (EAs) are very promising to