一种保证全局收敛的认知优化算法

摘要

非线性规划是具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支，非线性规划在工程、管理、经济、科研、军事等方面都有广泛的应用，为最优设计提供了有力的工具。一般来说，约束非针对传统社会认知优化算法全局收敛慢的问题,提出一种保证全局收效的认知优化算法,该算法应用Tent映射初始化知识库,提高初始解的质量;邻域搜索过程采用混沌搜索,增强算法跳出局部最优解的能力;通过增加混沌库来提高搜索的遍历性,实现和知识库协同寻优,从而构建为一种新的混沌混合认知优化算法.同时以Solis和Wets提出的随机算法收敛定理为基础给出了该算法的全局收敛性证明.标准测试函数的仿真优化结果表明,该混合算法对非线性规划问题具有较强的求解能力,算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准认知优化算法.