面向多峰优化问题的混合型多峰优化算法及其应用研究.pdfVIP

摘要

多峰优化问题（MultimodalOptimizationProblems,MMOPs）是一类含有多个

全局最优解的优化问题，求解时需要多峰优化算法（MultimodalOptimization

Algorithms,MMOAs）在指定精度下同时定位多个最优解。为维持种群多样性以

同时定位多个解，小生境技术被广泛应用于MMOAs中。然而，不同的小生境技

术对种群的勘探和开采有不同的偏好，而现有的MMOAs大多采用单一类型的

小生境技术，这在一定程度上影响了算法性能。此外，与仅有单一最优解的优化

问题相比，很多MMOPs地形结构复杂，存在许多“崎岖”区域，而现有的MMOAs

普遍缺少识别这些区域的技术，这导致它们在这些区域定位到的是局部最优解而

非全局最优解，容易导致部分最优解被遗漏。因此，本文分别从小生境技术和适

应度地形分析（FitnessLandscapeAnalysis,FLA）技术的角度，设计了两种混合

型MMOAs。本文主要工作概括如下：

（1）提出了基于混合小生境策略的多峰优化算法，记为HNDE-RS。在

HNDE-RS中，设计了一种混合拥挤小生境技术和物种生成小生境技术的混合小

生境策略。在种群的进化过程中，通过执行两种不同小生境技术，实现了不同小

生境技术之间的优势互补，以更好地平衡种群的勘探能力和开采能力。此外，为

解决种群进化过程中的停滞问题，设计了外部存档和聚类辅助的重启策略，通过

合并外部存档并使用DBSCAN聚类，以实现优质个体的复用和种群的重构。为

验证HNDE-RS的性能，在CEC2013多峰基准测试集上进行了大量实验，包括

与9种优秀的MMOAs对比，结果表明HNDE-RS性能优异，有较强的竞争力。

（2）提出了基于适应度地形分析的多峰优化算法，记为FLADE-ES。在

FLADE-ES中，为识别和量化问题的“崎岖”区域“，以有效地定位该区域的最优

解，引入了信息地形度量（“InformationLandscapeMeasure,ILM）这一FLA技术，

并设计了基于ILM的峰探索策略。通过ILM量化种群个体所处位置的地形特征，

并对“崎岖”区域汰个个体“的复用，增强了算法在“崎岖”区域的寻优能力。此

外，为避免某些个体因替换错误而造成部分最优解遗漏的问题，设计了基于汰个

个体的外部存档策略，利用外部存档保留历代被汰个的个体，以降低替换错误造

成的影响。为提升定位到的解的精度，设计了基于协方差矩阵自适应进化策略

（CovarianceMatrixAdaptationEvolutionStrategy,CMA-ES）的局部搜索策略，以

解决现有局部搜索策略对解的精度提升不足的问题。为验证FLADE-ES的性能，

在CEC2013多峰基准测试集上进行了大量实验，包括与9种最新的MMOAs对

比，结果表明FLADE-ES性能领先于现有MMOAs。

（3）将本文所提的两种算法应用于多竞争设施选址设计问题和非线性方程

I

组多根求解问题。这两个问题分别因含有大量局部最优解和对求解精度要求极高

而具有较大求解难度。通过与7种相关算法对比，结果表明HNDE-RS和FLADE-

ES在这两个问题上的性能表现依然优异。

关键词：多峰优化；差分进化算法；混合小生境；重启机制；适应度地形；

局部搜索

II

Abstract

MultimodalOptimizationProblems(MMOPs)areaclassofoptimization

problemsthatcontainmultipleglobaloptimalsolutions.Whensolvingtheseproblems,

multimodaloptimizationalgorithms(MMOAs)arerequiredtosimultaneously