声明
摘要
1.1研究背景及意义
1.2几种典型启发式优化算法的研究现状
1.2.1差分进化算法
1.2.2粒子群优化算法
1.2.3和声搜索算法
1.3本文主要工作
第2章和声搜索算法在0-1背包问题中的应用
2.1 0-1背包问题及其研究现状
2.2基本和声搜索算法
2.3求解0-1优化问题的典型改进和声搜索算法
2.3.1二进制编码的和声搜索算法
2.3.2离散二进制和声搜索算法
2.3.3新颖和声搜索算法
2.3.4自适应二进制和声搜索算法
2.4简化二进制和声搜索算法(SBHS)
2.4.1新的和声创作模式
2.4.2用于修复不可行解的两阶段贪婪策略
2.4.3参数的自适应调整策略
2.4.4 SBHS算法的具体流程
2.5实验结果与分析
2.5.1实验设计
2.5.2在低维0-1背包问题上的对比实验
2.5.3在高维0-1背包问题上的对比实验
2.5.4鲁棒性及收敛性分析
2.6本章小结
第3章和声搜索在多维0-1背包问题中的应用
3.1多维0-1背包问题(MKP)
3.2 MKP问题的研究现状
3.3求解MKP问题的新二进制和声搜索算法(NBHS)
3.3.1和声的编码方法
3.3.2新颖的基于概率分布的和声记忆库考虑策略
3.3.3无参数的新颖音调微调策略
3.3.4基于新启发式信息的不可行解修复策略
3.3.5参数的自适应调整策略
3.3.6所提NBBS算法的工作流程
3.4实验结果与对比分析
3.4.1参数对NBHS算法性能的影响
3.4.2 NBHS算法与QIHS算法的性能比较
3.4.3 NBHS算法与其他算法在测试集1上的性能比较
3.4.4 NBHS算法与HEDA算法在测试集2上的进一步比较
3.4.5算法复杂度分析与讨论
3.5本章小结
第4章粒子群优化算法在整数规划中的应用
4.1引言
4.2冗余策略可选择的冗余分配问题
4.2.1建模前的一些假设
4.2.2建模中用到的符号
4.2.3系统可靠性模型
4.2.4系统可靠性的近似计算
4.3基本粒子群优化算法
4.4简化粒子群优化算法(SPSO)
4.4.1解的编码方法
4.4.2约束处理和目标函数
4.4.3新的动态随机拓扑结构
4.4.4新的粒子运动方程
4.5对比实验与分析
4.5.1 SPSO算法的参数分析
4.5.2 SPSO算法与现有RAP-MSC求解算法的对比
4.5.3 SPSO算法与其他PSO算法的对比
4.6本章小结
第5章差分进化算法在约束优化问题中的应用
5.1引言
5.2常用的约束处理方法
5.2.1罚函数法
5.2.2多目标转化法
5.2.3非典型方法
5.3基于预测的约束处理方法
5.3.1基本思想
5.3.2约束的预测与处理
5.4基本差分进化算法
5.5基于约束预测的自适应分组差分进化算法(AGDE)
5.5.1种群的聚类与新变异算子的提出
5.5.2参数的选择与自适应调整
5.5.3算法流程
5.6实验结果及分析
5.6.1与现有DE算法在无约束优化问题上的比较
5.6.2与其他算法在无约束优化问题上的比较
5.6.3约束预测方法与罚函数法在约束优化问题上的比较
5.6.4 AGDE算法与其他算法在约束优化问题上的比较
5.7本章小结
6.1结论
6.2展望
参考文献
致谢
攻读学位期间发表的论著及获奖情况
东北大学;