單目標(biāo)測試函數(shù)

《單目標(biāo)測試函數(shù)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、附錄1：無約束優(yōu)化問題的測試函數(shù)1、GeneralizedRastrigin’sfunction,，其最優(yōu)解和最優(yōu)值為：。2、Spherefunction，其最優(yōu)解和最優(yōu)值為：3、GeneralizedGriewankFunction，其最優(yōu)解和最優(yōu)值為：4、GeneralizedRosenbrock’sFunction，其最優(yōu)解和最優(yōu)值為：5、GeneralizedSchwefel’sProblem2.26，當(dāng)時(shí)，其最優(yōu)解和最優(yōu)值為：6、GeneralizedPenalizedFunction，，其最優(yōu)解和最優(yōu)值為：，其中，.7、Ackley’sFunction，，其最優(yōu)解和最優(yōu)

2、值為：。8、Schwefel’sProblem2.21，其最優(yōu)解和最優(yōu)值為：。9、Schwefel’sProblem2.22，其最優(yōu)解和最優(yōu)值為：。10、StepFunction，其最優(yōu)解和最優(yōu)值為：。11、J.D.SchafferFunction，其最優(yōu)解和最優(yōu)值為：12、Goldstein-PriceFunction，，其最優(yōu)解和最優(yōu)值為：13、Six-HumpCamel-backFunction，其最優(yōu)解和最優(yōu)值為：14、BraninFunction，其最優(yōu)解和最優(yōu)值為：15、GeneralizedPenalized2Function，其最優(yōu)解和最優(yōu)值為：,的取法同Gener

3、alizedPenalized1Function.附錄2：約束優(yōu)化常用的測試函數(shù)g01、已知最優(yōu)解為g02、全局極大值未知，目前已知最優(yōu)解為g03、已知最優(yōu)解為g04、已知最優(yōu)解為g05、已知最優(yōu)解為g06、已知最優(yōu)解為，.g07、已知最優(yōu)解為，.g08、已知最優(yōu)解為，.g09、已知最優(yōu)解為g11、已知最優(yōu)解為，g12、其中，可行域由個(gè)球約束而成，已知最優(yōu)解為，.g13、已知最優(yōu)解為g14[4、6]、g15[4、6]、g16[4、6]、g17[4]、g18[4]、g19[5]、g20[5]、g21[5]、g22[5]、g23[5]、注:測試函數(shù),1～13來自于文獻(xiàn)[1,2，3]附錄

4、3：混合整數(shù)規(guī)劃常用的測試函數(shù)h01、已知最優(yōu)解最優(yōu)值：h02、已知最優(yōu)解最優(yōu)值：h03、已知最優(yōu)解最優(yōu)值：h04、已知最優(yōu)解最優(yōu)值：表1　問題h04中參數(shù)a185.334407a20.0056858a30.0006262a40.0022053a580.51249a60.0071317a70.0029955a80.0021213a99.300961a100.0047026a110.0012547a120.0019085h05、已知最優(yōu)解最優(yōu)值：，，h06、已知最優(yōu)解最優(yōu)值：，，h07、已知最優(yōu)解最優(yōu)值：，，h08、已知最優(yōu)解最優(yōu)值：，，h09、已知最優(yōu)解最優(yōu)值：，，h10、已知最優(yōu)

5、解最優(yōu)值：，，h11、已知最優(yōu)解最優(yōu)值：，，h12、已知最優(yōu)解最優(yōu)值：，，h13、已知最優(yōu)解最優(yōu)值：，，h14、已知最優(yōu)解最優(yōu)值：，，h15、全局極小解是（1.375，0.375，1），全局極小值為2.124.h16、全局極小解是（0.94194，-2.1，1），全局極小值為1.07654.h17、全局極小解是（13.362272，3，514237，0，1，0），全局極小值為98.911019.注：h1~h4來自文獻(xiàn)[7],h5~h17來自文獻(xiàn)[8]。[1]KozielS,MichalewiczZ.Evolutionaryalgorithms,homomorphousmapping

6、,andconstrainedparameteroptimization[J].Evolutionarycomputation,1999,7(1):19-44.[2]RunarssonTP,YaoX.Stochasticrankingforconstrainedevolutionaryoptimization[J].IEEE[3]HaiyanLu,WeiqiChen.Self-adaptivevelocityparticleswarmoptimizationforsolvingconstrainedoptimizationproblems[J].JournalofGlobalOpt

7、imization,2008,41(3):427-445.TransEvolComput,2000,4(3):284-294.[4]PeipingShen,HongweiJiao.Anewrectanglebranch-and-pruningapproachforgeneralizedgeometricprogramming[J].AppliedMathematicsandComputation2006(183):1207-1038.[5]PeipingShen,Ho