基于平滑技术及一维搜索的全局优化遗传算法

摘要

进化算法是模拟生物界的进化过程而产生的一种现代优化方法,作为一种有效的随机搜索方法,在优化方法中具有独特的优越性,有着非常重要的意义和及其广泛的应用.传统优化方法对目标函数解析性质要求较高,进化算法不需要目标函数的导数信息,具有隐式并行性,所以常用于解决一些复杂的、大规模的、非线性、不可微的优化问题.首先,该文对无约束优化问题提出了一个新的进化算法,这种算法利用平滑技术构造了一个新的适应度函数,并适时结合一维搜索去解决无约束优化问题.新的适应度函数具有有效去除部分局部极小点的优越性能,使得整个算法大大减小了陷入局部最优的可能性;而新的杂交算子和适时一维搜索使得算法更迅速有效的找到全局最优.其次,把原约束优化问题转换为只有两个目标函数的多目标优化问题,并针对新的模型设计了新的遗传算子,在此基础上对新的模型设计了一个新的遗传算法.通过求解多目标优化问题而得到约束优化问题的最优解.数值试验表明算法是有效的.

目录

文摘

英文文摘

创新性声明及关于论文使用授权的说明

第一章绪论

§1.1引言

§1.2最优化问题的研究概况

§1.3本文的主要工作及安排

第二章遗传算法的基本理论

§2.1遗传算法概述

§2.2遗传算法的步骤

§2.4遗传算法的现状与展望

第三章基于平滑技术和一维搜索的全局优化进化算法及其收敛性

§3.1引言

§3.2平滑技术

§3.3设计新的进化算子

§3.4新的算法

§3.5全局收敛性

§3.6数值模拟

§3.7结论

第四章基于多目标优化求解约束优化问题的遗传算法

§4.1引言

§4.2基础知识概述

§4.3约束问题的转化

§4.4新的遗传算子

§4.5新的遗传算法

§4.6实际应用

结论

结束语

致谢

参考文献

在学习期间的科研工作