混合智能算法研究及在模糊规划中的应用

摘要

智能算法是从自然界得到启发，模仿它的原理而得到的算法。智能算法自产生及发展以来，被广泛应用于解决大规模系统中出现的复杂问题，具有通用、简单、便于并行处理等优点，被认为是对21世纪的计算技术有重大影响的关键技术。 智能算法中的进化算法是仿效生物学中进化和遗传的过程，遵从“生存竞争，优胜劣汰”的原则，从一组随机生成的初始可行群体出发，借助复制、交换（重组）、突变等遗传操作，逐步逼近所研究问题的最优解。本文主要研究了进化算法中的两个比较典型和成熟的算法遗传算法和进化策略，通过对已有理论的研究对比，进一步加深对两种算法的认识。并提出在遗传算法研究的基础上将进化策略和遗传算法结合在一起并引入模拟退火的思想，形成一种改进的混合智能算法。新混合智能算法利用进化策略改进进化算子和选择算子，利用模拟退火思想改进变异算子，克服了原有单一算法易陷入局部最优解和早熟的问题，提高了求解精度。通过数值测试说明了新混合智能算法较之传统算法在求解精度上有了明显改善。 支持向量机是一种新兴的机器学习方法，具有推广能力强，易于高维处理，强大的非线性处理能力等特点。由此提出在以往模糊规划算法研究的基础上，将新生成的混合智能算法与支持向量机相结合，融合进解决模糊规划问题的算法中，提高了原有算法的寻优速率，并与传统的算法作了比较分析。为模糊规划的求解提供了一种新的思路和方法。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题的提出、目的及意义

1.2进化算法基本原理

1.2.1遗传算法的基本原理

1.2.2进化策略的基本原理

1.3进化算法的研究现状

1.3.1遗传算法研究现状

1.3.2进化策略研究现状

1.4本文主要研究内容及组织结构

1.4.1主要研究内容

1.4.2组织结构

第二章进化算法综述

2.1进化算法的生物学背景

2.1.1遗传

2.1.2变异

2.1.3选择

2.2遗传算法综述

2.2.1遗传算法描述

2.2.2遗传算法流程

2.2.3遗传算法优缺点

2.2.4遗传算法的改进方法

2.2.5遗传算法的应用

2.3进化策略综述

2.3.1进化策略的发展历程

2.3.2基本进化策略描述

2.3.3进化策略流程

2.3.4算法优缺点

2.3.5进化策略的改进方法

2.3.6进化策略的应用

2.4遗传算法与进化策略的比较

第三章模糊理论知识

3.1模糊集理论

3.2模糊变量

3.3模糊规划概论

3.3.1对约束条件的处理及验证染色体的可行性

3.3.2具体对个体的交叉和变异

3.3.3模糊模拟及其应用

3.4模糊模拟的分类和具体实现

3.5不确定规划的应用

第四章一种改进的混合智能算法

4.1改进混合智能算法的提出

4.2改进混合智能算法的基本思想

4.3算法实现流程

4.4算法测试与比较分析

4.5本章小结

第五章 改进混合智能算法在模糊规划中的应用

5.1模糊规划的定义

5.2模糊规划的建模方法

5.2.1期望值模型

5.2.2机会约束规划

5.2.3相关机会规划

5.3模型的算法研究

5.4支持向量及介绍

5.4.1支持向量机的提出

5.4.2支持向量机的思想和算法

5.4.3支持向量机的特点

5.5基于改进混合智能算法和支持向量机的模糊规划求解

5.6实验与分析

5.6.1期望值模型实验

5.6.2机会约束规划实验

5.6.3相关机会规划实验

5.7本章小结

结论

参考文献

攻读硕士学位期间取得的学术成果

致谢