本文關(guān)鍵詞：人工雨滴算法及其應(yīng)用研究

  更多相關(guān)文章： 人工雨滴算法 復(fù)雜連續(xù)優(yōu)化 動(dòng)態(tài)平衡機(jī)制 收斂性分析

【摘要】：演化算法是一類啟發(fā)于自然現(xiàn)象或規(guī)律的智能搜索和優(yōu)化技術(shù)的總稱。由于其高效的優(yōu)化性能和巨大的應(yīng)用潛力,演化算法在過(guò)去的半個(gè)多世紀(jì)受到了國(guó)內(nèi)外研究人員的廣泛關(guān)注。目前,演化算法已在眾多領(lǐng)域得到十分廣泛的應(yīng)用,并解決了許多非常有價(jià)值的實(shí)際問(wèn)題,其研究成果已經(jīng)滲透到多個(gè)學(xué)科。然而,在求解的過(guò)程中,仍然需要重點(diǎn)關(guān)注以下兩個(gè)方面:1)如何平衡演化算法的探索與開(kāi)發(fā)的能力;2)如何在演化算法的設(shè)計(jì)過(guò)程中融合問(wèn)題的特征。有鑒于此,本文旨在提出一種新的演化算法-人工雨滴算法,并對(duì)其在復(fù)雜連續(xù)優(yōu)化問(wèn)題的求解方面展開(kāi)研究,主要?jiǎng)?chuàng)新性工作如下:1.雨滴計(jì)算模型及其算法設(shè)計(jì)的研究。首先,通過(guò)將自然降雨現(xiàn)象抽象為雨滴形成過(guò)程、雨滴下降過(guò)程、雨滴碰撞過(guò)程、雨滴流動(dòng)過(guò)程、雨滴池更新過(guò)程和水氣更新過(guò)程六個(gè)階段,建立雨滴計(jì)算模型;其次,基于所構(gòu)建的雨滴計(jì)算模型,設(shè)計(jì)相應(yīng)的演化算子,進(jìn)而提出人工雨滴算法;再者,利用相關(guān)的數(shù)學(xué)理論,證明人工雨滴算法在變量不相關(guān)的條件下是以概率1收斂到滿意種群;最后,與24個(gè)演化算法在CEC2005測(cè)試平臺(tái)上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果證實(shí)了人工雨滴算法的有效性。2.在利用人工雨滴算法求解單目標(biāo)優(yōu)化問(wèn)題時(shí),如何平衡探索與開(kāi)發(fā)是算法有效的基本要求。為此,借鑒多個(gè)雨滴的并行搜索機(jī)制,提出一種擴(kuò)展人工雨滴算法。首先,通過(guò)引入聚類技術(shù)對(duì)當(dāng)前種群進(jìn)行動(dòng)態(tài)劃分,實(shí)現(xiàn)多子種群協(xié)同演化,以增強(qiáng)種群的多樣性;其次,利用目標(biāo)函數(shù)信息和全局最優(yōu)個(gè)體來(lái)修正雨滴形成算子和雨滴流動(dòng)算子,以加快算法的收斂速度;最后,與人工雨滴算法和其它23個(gè)改進(jìn)演化算法在CEC2005測(cè)試平臺(tái)上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果表明,擴(kuò)展人工雨滴算法不僅顯著改進(jìn)了人工雨滴算法的整體性能,而且與其它23個(gè)算法相比,同樣具有競(jìng)爭(zhēng)力。3.在利用人工雨滴算法求解單目標(biāo)優(yōu)化問(wèn)題時(shí),如何在算法設(shè)計(jì)過(guò)程中融合問(wèn)題的特征是計(jì)算效率提高的重要方面。為此,提出一種集成自組織映射和二項(xiàng)交叉算子學(xué)習(xí)的人工雨滴算法。首先,通過(guò)自組織映射方法將演化種群從高維輸入空間映射到低維隱層空間,構(gòu)建出個(gè)體的鄰域結(jié)構(gòu)。其次,利用協(xié)方差矩陣來(lái)識(shí)別種群分布的數(shù)據(jù)關(guān)聯(lián)特性,并建立以特征向量為坐標(biāo)軸的新坐標(biāo)系,從而實(shí)現(xiàn)二項(xiàng)交叉算子在不同坐標(biāo)系下的協(xié)同搜索,達(dá)到提高計(jì)算效率的目的;最后,與人工雨滴算法,擴(kuò)展人工雨滴算法,以及5個(gè)改進(jìn)的演化算法在CEC2005測(cè)試平臺(tái)上進(jìn)行性能比較。實(shí)驗(yàn)結(jié)果表明,提出的算法不僅明顯優(yōu)于人工雨滴算法和擴(kuò)展人工雨滴算法,而且與其它5個(gè)改進(jìn)算法相比,同樣具有競(jìng)爭(zhēng)力。4.在利用人工雨滴算法求解多目標(biāo)優(yōu)化問(wèn)題時(shí),如何實(shí)現(xiàn)收斂性的同時(shí),兼顧多樣性是兩個(gè)主要關(guān)注的目標(biāo)。為此,通過(guò)結(jié)合人工雨滴算法和分解框架,提出一種基于分解的多目標(biāo)人工雨滴算法。首先,為提高算法的收斂能力,將模擬二進(jìn)制交叉集成到算法設(shè)計(jì)過(guò)程中,以此加速Pareto前沿的填充。其次,為提高非支配個(gè)體在Pareto前沿上分布的多樣性,利用k近鄰方法對(duì)外部精英存檔中的非支配個(gè)體進(jìn)行循環(huán)修剪。此外,利用相關(guān)的數(shù)學(xué)理論,證明了基于分解的多目標(biāo)人工雨滴算法在一定條件下是以概率1收斂到理想Pareto最優(yōu)種群。最后,與8個(gè)多目標(biāo)演化算法在兩個(gè)不同類型的測(cè)試集上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果驗(yàn)證了提出算法在維護(hù)多樣性方面具有一定的優(yōu)勢(shì)。5.在利用人工雨滴算法求解多目標(biāo)優(yōu)化問(wèn)題時(shí),如何在算法設(shè)計(jì)過(guò)程中融合問(wèn)題的特征是提高計(jì)算效率的重要方面。為此,通過(guò)結(jié)合人工雨滴算法和非支配排序框架,提出一種先驗(yàn)知識(shí)驅(qū)動(dòng)的多目標(biāo)人工雨滴算法。為提高算法的搜索能力,將中心點(diǎn)采樣和模擬二進(jìn)制交叉集成到算法設(shè)計(jì)過(guò)程中。其中,中心點(diǎn)采樣作為多目標(biāo)優(yōu)化問(wèn)題的先驗(yàn)知識(shí),用來(lái)引導(dǎo)其它個(gè)體快速朝目標(biāo)Pareto前沿靠近,而模擬二進(jìn)制交叉用來(lái)加速Pareto前沿的填充。此外,利用相關(guān)的數(shù)學(xué)理論,證明了基于先驗(yàn)知識(shí)驅(qū)動(dòng)的多目標(biāo)人工雨滴算法在一定條件下是以概率1收斂到理想Pareto最優(yōu)種群。最后,與8個(gè)多目標(biāo)演化算法在兩個(gè)不同類型的測(cè)試集上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果驗(yàn)證了提出算法的有效性。6.針對(duì)分布的參考向量和逆模型采樣的局限性,IM-MOEA對(duì)不規(guī)則的多目標(biāo)優(yōu)化問(wèn)題的求解遇到極大的挑戰(zhàn)。為此,提出一種集成人工雨滴算法和高斯逆模型采樣的多目標(biāo)演化算法。首先,利用雨滴池來(lái)存儲(chǔ)非支配解和動(dòng)態(tài)地調(diào)節(jié)參考向量的分布,引導(dǎo)算法朝稀疏區(qū)域探索;其次,集成逆模型采樣和人工雨滴算法提高算法的搜索能力。最后,與6個(gè)多目標(biāo)演化算法在18個(gè)具有不規(guī)則Pareto前沿的多目標(biāo)測(cè)試集上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)的IM-MOEA有更好的整體性能。7.由于混沌系統(tǒng)的復(fù)雜性,系統(tǒng)中的某些參數(shù)在實(shí)際應(yīng)用中很難預(yù)先確定或者并不可知,如何對(duì)系統(tǒng)參數(shù)進(jìn)行有效估計(jì)是混沌系統(tǒng)控制與同步需要解決的首要問(wèn)題。為此,首先,通過(guò)構(gòu)造一個(gè)適當(dāng)?shù)倪m應(yīng)度函數(shù),將混沌系統(tǒng)的參數(shù)估計(jì)問(wèn)題將其轉(zhuǎn)化為一個(gè)多維優(yōu)化問(wèn)題;然后,利用人工雨滴算法的全局搜索能力求解該問(wèn)題。最后,與 8個(gè)演化算法在6個(gè)不同的混沌系統(tǒng)進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果驗(yàn)證了人工雨滴算法一種有效的混沌系統(tǒng)參數(shù)估計(jì)方法。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP18
，

本文編號(hào)：1269916