資源描述：
《一種基于新改進的price算法的混合遺傳算法求解約束優(yōu)化問題》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、一種基于新改進的Price算法的混合遺傳算法求解約束優(yōu)化問題第26卷第2期工程數(shù)學學報Vo1.26No.22009年04月CHINESEJOURNALOFENGINEERINGMATHEMATICSApt.2009文章編號:1005-3085(2009)02—0191—09一種基于新改進的Price算法的混合遺傳算法求解約束優(yōu)化問題木李宏,焦永昌,張莉(1.西安電子科技大學理學院,西安710071;2一西安電子科技大學天線與微波國家重點實驗室,西安710071)摘要:新改進的Price算法能夠求解多峰,多維,以及不可微目標函數(shù)的全局優(yōu)化問題.把新改進的Price算法作為局部搜索算子
2、,并入到實數(shù)編碼遺傳算法中,構(gòu)成一個混合遺傳算法,求解約束優(yōu)化問題.該混合算法增強了全局尋優(yōu)能力,提高了函數(shù)值的精度,并減少了計算量.通過對l3個約束標準測試函數(shù)的仿真實驗,并和已有算法的比較,結(jié)果表明本文提出的混合遺傳算法是有效的.關鍵詞:Price算法:遺傳算法;混合遺傳算法;全局優(yōu)化;約束優(yōu)化分類號:AMS(2000)90C30;90C59中圖分類號:TP18文獻標識碼:A1引言考慮一般的非線性優(yōu)化問題min,(),=(Xl,?一,)∈R(1)R"表示界約束搜索空間,即={(z1,~t1)×…×(k,U)ll{iU{,i=1,2,…,幾).表示可行域,={∈R"()0,J=1
3、,…,m),其中()0,J=1,…,m是不等式約束(等式約束可近似轉(zhuǎn)化為不等式約束).若要求∈n,問題(1)就是約束優(yōu)化問題.非線性優(yōu)化問題(1)廣泛地存在于科學,工程等實際問題中,對其進行算法研究具有重要的理論和實際意義,因此,受到各領域研究者的普遍關注.求解連續(xù)變量的非線性優(yōu)化問題的方法一般分為確定性方法和隨機性方法.與確定性方法相比,隨機性方法具有獨特的優(yōu)點:魯棒性強,適用范圍廣,具有全局尋優(yōu)能力,對目標函數(shù)的性態(tài)無要求.在處理目標函數(shù)是非凸,不連續(xù),或不可微,高度非線性的復雜優(yōu)化問題時,確定性方法有時無能為力,而只能使用隨機性方法.近幾十年來,各種隨機性算法及改進算法【1-
4、9】應運而生,如進化算法f包括遺傳算法,進化策略,進化規(guī)劃等),Price算法,差分進化算法,蟻群算法,粒子群算法等,已成功地用于求解各種優(yōu)化問題.遺傳算法是一種最具代表性的進化算法,在各種問題的求解與應用中展現(xiàn)了其獨特的魅力【3,4,5,8】,但在理論和應用上也暴露出諸多不足和缺陷,如對某些復雜問題而言,它易趨于早熟收斂而陷于局部最優(yōu)解【0,】,另外,也存在收斂速度慢,計算量大等問題【3】.牧稿日期:200%03-27.作者簡介:李宏(1972年4月生),男,碩士,講師.研究方向:進化計算,優(yōu)化算法與應用,智能信息處理.'基金項目:國家自然科學基金f60171045;603740
5、63).192工程數(shù)學學報第26卷一些研究表明,在進化算法中并入某些其他知識能極大改善進化算法的性能[3,9].特別是將進化算法和局部搜索方法相結(jié)合的混合算法已經(jīng)證明是很有前途的措施【9_Io].本文把一種啟發(fā)式算法一新改進的Price算法【2】作為局部搜索算子,并入到實數(shù)編碼遺傳算法中,構(gòu)成一種混合遺傳算法,求解約束優(yōu)化問題.為了測試混合算法的有效性,我們僅使用靜態(tài)罰函數(shù)法來處理約束,對13個標準問題進行了實驗,并和其他三種進化算法的結(jié)果作了比較,結(jié)果表明本文的混合遺傳算法是有效的.2新改進的Price算法新改進的Price算法[2】是一種求解多峰,多維,以及不可微目標函數(shù)的無約
6、束優(yōu)化問題的高效的啟發(fā)式算法.文【2】中,考慮下面的無約束全局最小值問題),(2)z∈,其中f:R一R,是一個超立方體.為了處理工程中一類重要的,但比較困難的全局優(yōu)化問題,如目標函數(shù)的計算很麻煩,而且目標函數(shù)的導數(shù)無法計算,Brachetti等【1】提出了一種新的求解全局優(yōu)化問題的Price算法,后來,Jiao等【2】又對該算法進行了改進,使其計算效果更好,并且大幅度減少了計算量.下面給出Jiao等【2】提出的新改進的Price算法的詳細步驟.算法1Data:選擇正整數(shù)m使得mmax(n+1,3},適當小的正數(shù)￡,以及正常數(shù)u.Step0:令k=0,用數(shù)論方法產(chǎn)生初始種群集S={}
7、,…,},其中k∈D,i=1,…,m,并且計算f(xki),i=1,…,m.Step1:求出兩點kax和i,以及它們的目標函數(shù)值ax和i,使得盛=ax)=maxf(),tn=k)=剃minf()若停止準則ax一盛i<E滿足,算法停止;否則,在S中求出第三個最好解i3和其目標函數(shù)值.n3=f(xkmi3).Step2:在S中隨機選擇禮+1個點乞,琺,…,xk.求出n個點xk…,xk的帶權(quán)值的質(zhì)心:咤=∑乞,其中=,==uStep3:令庀=∑1k八k),求出試驗點:
