【摘要】：提出一種用多目標(biāo)技術(shù)求解約束優(yōu)化問題的算法.該算法有3個特征:1)將約束優(yōu)化問題轉(zhuǎn)化為等價的動態(tài)約束多目標(biāo)優(yōu)化問題,然后用動態(tài)約束多目標(biāo)演化算法求解動態(tài)約束多目標(biāo)優(yōu)化問題;2)演化初始階段,拓寬約束邊界以使整個種群可行;演化過程中,約束邊界微弱的收縮以確保動態(tài)約束多目標(biāo)演化算法中種群的大多數(shù)個體仍是可行的,這使動態(tài)約束多目標(biāo)演化算法如同多目標(biāo)演化算法求解無約束問題一樣有效;3)采用基于學(xué)習(xí)的機制自適應(yīng)調(diào)整演化算法的參數(shù),以提高算法效率.實驗結(jié)果表明,與4個當(dāng)前較為先進的約束處理算法相比,本文算法效果更優(yōu).
[Abstract]:This paper presents an algorithm for solving constrained optimization problems with multi-objective techniques. The algorithm has three characteristics: 1) the constrained optimization problem is transformed into the equivalent dynamic constrained multi-objective optimization problem, and then the dynamic constrained multi-objective evolutionary algorithm is used to solve the dynamic constrained multi-objective optimization problem; 2) in the initial stage of evolution, the constraint boundary is broadened to make the whole population feasible; In the process of evolution, the constraint boundary shrinks weakly to ensure that most of the individuals in the population in the dynamic constrained multi-objective evolutionary algorithm are still feasible. This makes the dynamic constrained multi-objective evolutionary algorithm as effective as the multi-objective evolutionary algorithm in solving unconstrained problems. 3) the learning-based mechanism is used to adjust the parameters of the evolutionary algorithm adaptively to improve the efficiency of the algorithm. The experimental results show that the proposed algorithm is more effective than the four advanced constraint processing algorithms.
【作者單位】： 中國地質(zhì)大學(xué)計算機學(xué)院;中國地質(zhì)大學(xué)機械與電子信息學(xué)院;河北地質(zhì)大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61271140,61203306)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 介婧,曾建潮;基于思維進化計算求解約束優(yōu)化問題的新算法[J];計算機工程與應(yīng)用;2003年04期

2 李相勇;田澎;孔民;;解約束優(yōu)化問題的新粒子群算法[J];系統(tǒng)管理學(xué)報;2007年02期

3 石曉明;柴玉梅;;基于合作仲裁求解分布式約束優(yōu)化問題的研究[J];微計算機信息;2008年36期

4 張書花;李艷龍;李磊;景孟旗;;求解線性等式約束優(yōu)化問題的移動漸近線法[J];電子測試;2013年20期

5 樊重俊，韓崇昭，胡保生，，王潔;一類約束優(yōu)化問題的改進遺傳算法[J];控制與決策;1996年05期

6 顧宏杰;許力;;利用帶感知能力的粒子群算法求解約束優(yōu)化問題[J];計算機應(yīng)用;2011年01期

7 郭鵬;宋福慶;;求解約束優(yōu)化問題的新方法[J];計算機工程與應(yīng)用;2011年24期

8 彭宏,馮正柱,楊立洪;解約束優(yōu)化問題的進化策略與混合進化策略的比較[J];數(shù)值計算與計算機應(yīng)用;1998年01期

9 楊艷;周永權(quán);羅林;袁冠遠;;人工螢火蟲群優(yōu)化算法求解約束優(yōu)化問題[J];小型微型計算機系統(tǒng);2014年01期

10 丁博;王懷民;史殿習(xí);唐揚斌;;低約束密度分布式約束優(yōu)化問題的求解算法[J];軟件學(xué)報;2011年04期

相關(guān)會議論文 前6條

1 賀春華;張湘?zhèn)?呂文閣;謝慶華;;基于競選算法的非線性約束優(yōu)化問題實現(xiàn)[A];數(shù)學(xué)·力學(xué)·物理學(xué)·高新技術(shù)交叉研究進展——2010（13）卷[C];2010年

2 趙志剛;韋兆文;;基于粒子群算法求解約束優(yōu)化問題[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

3 周巖;濮定國;;解非線性不等式約束優(yōu)化問題的序列線形方程法[A];中國運籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

4 孫超利;曾建潮;潘正祥;;一種新的約束優(yōu)化問題初始解的產(chǎn)生方法[A];2009中國控制與決策會議論文集（2）[C];2009年

5 金豪;朱德通;;雙邊校正約Hessian陣過濾仿射內(nèi)點法解非負約束非線性等式約束優(yōu)化問題[A];中國運籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

6 鄧長壽;趙秉巖;;采用不可行解驅(qū)動的DE進化算法求解難約束優(yōu)化問題[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前9條

1 程維新;約束優(yōu)化問題的QP-free算法研究[D];武漢大學(xué);2013年

2 劉水霞;互補約束優(yōu)化問題若干算法研究[D];內(nèi)蒙古大學(xué);2009年

3 萬中;平衡約束優(yōu)化問題的理論與算法研究[D];湖南大學(xué);2001年

4 胡一波;求解約束優(yōu)化問題的幾種智能算法[D];西安電子科技大學(xué);2009年

5 時貞軍;約束優(yōu)化問題的參數(shù)控制算法研究[D];大連理工大學(xué);2002年

6 王祝君;非線性優(yōu)化問題的過濾線搜索方法[D];上海師范大學(xué);2010年

7 孫祥凱;約束優(yōu)化問題的若干對偶以及微分性研究[D];重慶大學(xué);2012年

8 姜永;二階錐均衡約束的優(yōu)化問題[D];大連理工大學(xué);2011年

9 劉玉珍;基于進化計算的單目標(biāo)優(yōu)化問題研究[D];湘潭大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 徐海東;人工蜂群算法理論與應(yīng)用研究[D];山東大學(xué);2015年

2 王小朋;兩類問題的Newton方法研究[D];武漢理工大學(xué);2015年

3 段慶松;約束優(yōu)化問題的序列近似方法收斂性[D];大連理工大學(xué);2015年

4 池倩倩;錐約束優(yōu)化問題的罰逼近[D];蘇州大學(xué);2015年

5 王佳;基于Chen-Harker-Kanzow-Smale函數(shù)的概率約束優(yōu)化問題的光滑D.C.近似[D];遼寧師范大學(xué);2015年

6 戚雪彩;人工蜂群算法求解約束優(yōu)化問題的研究[D];南京師范大學(xué);2015年

7 何琛;求解分布式約束優(yōu)化問題的搜索算法研究[D];重慶大學(xué);2016年

8 楊亞飛;約束優(yōu)化問題的粒子群算法方法[D];中國地質(zhì)大學(xué)(北京);2012年

9 李_g;非線性約束優(yōu)化問題的自適應(yīng)三次正則化方法[D];大連理工大學(xué);2013年

10 胡一波;解決約束優(yōu)化問題的兩種新的進化算法[D];西安電子科技大學(xué);2006年

本文編號：2435291