解两类全局优化问题的新算法-计算机软件与理论专业论文.docxVIP

摘要 摘 要 全局优化问题是优化问题中一个比较重要的分支，因其在自然科学，工程技 术等诸多领域的广泛应用，对该问题的研究具有十分重要的意义。自 20 世纪 60 年代早期以来，约束优化问题与无约束优化问题吸引了各学科研究人员的注意。 求解约束优化问题的首要任务是处理约束条件，常用的处理约束方法是利用罚函 数将约束问题转化为无约束问题，它通过对目标函数增加惩罚项来完成从约束到 无约束的转换。罚函数法的优点是简单易行，但在实际操作时应注意调整罚因子， 确定它对不可行个体的惩罚力度，这样，才能保证算法获得好的效果。另外，对 无约束优化问题，主要的挑战是当局部最优解很多时，如何尽快找出全局最优解， 而不陷入局部最优解。 本文主要贡献如下： 1.对约束全局优化问题，首先，用平滑函数对罚函数进行了平滑，这可以极大 地减少局部最优解的数量，使得问题的求解变得容易、找到最优解的速度加快， 时间缩短；然后针对平滑函数，设计了一个有效的圆（球面）搜索算法，可以快 速找到一个更好解，进一步将局部搜索的 BFGS 方法用于寻找更好的局部最优解， 在此基础上，设计了一个求解约束优化问题的全新算法：基于平滑函数和圆搜索 的求解约束优化问题的新型算法。实验结果也表明了新算法的有效性。 2.对无约束优化问题，首先利用平滑函数作为适应度函数，可以减少局部最优 解的数目，其次设计了一个新的交叉算子：基于球体均匀分布的交叉算子，在此 基础上，构造了一个新的进化算法：光滑进化算法，并证明了算法的全局收敛性。 最后通过实验对算法进行了测试，并和三个知名算法进行了比较，结果表明了新 算法的高效性，且优于比较的算法。 关键词：进化算法 全局优化 圆搜索 罚函数 平滑函数 解两 解两类全局优化问题的新算法 Abstract Abstract Global optimization problem is an important branch of optimization problems. Because of its wide range of applications in many fields of the natural sciences, engineering , research on this problem is of an important significance. From early 1960s, constrained and unconstrained optimization problems have attracted many researchers’ attention in different regions. The primary task to deal with constrained optimization problem is handling the constraints. The most common method to convert constrained optimization problem to unconstrained optimization problem is penalty function method. The advantage of this method is that it is simple and easy to execute. But in practical applications, much attention should be paid for the control of penalty parameter. Using suitable penalty parameter could help to get the better result. The main challenge for unconstrained optimization problem is how to quickly find the globally optimal solution, and escape from the local optimal solutions when there are a lot of local optimal solutions. The main contributions of this thesis is as follows: For constrained optimization problem, first, smooth the penalty function by a smoothing function, in this way, the number of the local optimal solu