近代工程优化简答题.pdfVIP

1.简述传统优化算法与遗传算法的特点及其优缺点。 传统优化算法的特点： A.传统优化算法一般是确定性算法，有固定的结构和参数，计算 复杂度和收敛性可做理论分析。 B.传统优化算法大多属于凸优化范畴，有唯一明确的全局最优解。 C.传统优化算法一般是针对结构化的 问题，有较为明确的问题和 条件描述，如线性规划、二次规划、整数规划、混合规划、带约束和不 带约束等，即有清晰的结构信息。 遗传算法的特点： A.遗传算法是对参数的编码进行操作，而不是对参数本身，因而 适应于求解复杂的优化问题，应用范围很广。 B.遗传算法属于种群搜索算法，易于并行处理，可以有效防止局 部搜索过程收敛于局部最优解，而且有较大的可能求得全局最优解。 C.遗传算法通过 目标函数来计算适应度值，而不需要其他信息， 从而对问题的依 性较小。 D.遗传算法使用概率的转变原则，而不是确定性的规则。 E.遗传算法在解空间内不是盲目地穷举或完全随机搜索，而是一 种启发性搜索，其搜索效率往往优于其它方法。 F.遗传算法对于待寻优的函数基本无限制，因而应用范围很广。 遗传算法的优点： A. 与问题领域无关且具有快速随机的搜索能力。 B. 搜索从群体出发，具有潜在的并行性，可以进行多个个体 的同时比较。 C. 搜索使用评价函数启发，过程简单 D. 使用概率机制进行迭代，具有随机性。 E. 具有 扩展性，容易与其他算法结合。 遗传算法的缺点： A.收敛速度慢。 B.局部搜索能力较差。 C.控制变量较多。 D.无确定的终止准则。 2. 简述遗传算法的基本原理，并给出基本遗传算法的求解步骤 和流程图 遗传算法的基本原理： 遗传算法是模拟自然选择和自然遗传过程中发生的繁殖、交叉和 基因突变现象，在每次迭代中都保留一组候选解，并按某种指标（适应 度函数）从解群中选择较优的个体，利用遗传算子（选择、交叉和变异） 对这些个体进行重组，产生新一代的候选解群，重复此过程，直到满 足某种收敛指标为止。 基本遗传算法的求解步骤： A.初始化。设置进化代数计数器k=0 ，设置群体规模，最大进化代 数 M，交叉概率、变异概率。随机生成 pop 个个体作为初始种群。 B.个体评价。计算群体 p(k) 中个体的适应度。 C.终止条件判断。若 kM ，则以当前的种群中具有最大适应度的 个体作为最优解输出，终止计算。否则，转步骤 D。 D.选择操作。将选择算子作用于群体。 E.交叉操作。将交叉算子作用于群体 F.变异操作。将变异算子作用于群体。 G.群体 p(k)经过选择、交叉和变异操作后得到下一代群体 p(k+1) ， 令 k=k+1 ，转步骤 B。 3. 简述遗传算法中，De Jong 提出的两条具体的编码原则。 A ．有意义积木块编码原则。所采用的编码应易于生成与所求问 题相关的低阶、短定义距以及平均适应度高于群体平均适应度的积木 块。 B．最小字符集编码原则。所采用的编码应采用最小字符集，以使 问题得以自然的描述。 De Jong 基于模式定理和积木块假设提出了原则 1。在很多情况 下，染色体中的基因的地位并不平等，某些基因的突变将对适应度值 带来很大变化，而另一种基因的变化对适应度值的影响较小。影响大 的基于成为敏感基因。许多敏感基因家当的组合决定了 GA 的寻优方 向。在实际编码时，按原则 1，应将敏感基因排列在一起，形成所谓的 密排基因快，这种密排基因快一旦形成，不易被破坏，容易被子代继 承。 De Jong 提出的原则 2 实际上是一个被广泛采用和认可的原则。最 早提出并使用至今的二值编码即符合这一原则。这不仅是因为二值编 码是最简单的编码形式，更重要的是二值编码含有更多的模式，更容 易找到染色体的相似结构。 4. 在遗传算法中，对实数变量采用二进制方式编码。假设一维实 变量 X 的取值范围为[X ,X ]，其编码精度为δ，写出二进制编码长度 L U N 应满足的数学关系式，以及相应的编码、译码数学关系式。