遗传算法的改进研究及其在组合优化与技能模糊控制优化中的应用

摘要

遗传算法是模拟自然进化过程的一种随机性全局优化算法。本文首先介绍了传统遗传算法的理论依据和收敛性证明，讨论了传统遗传算法的搜索性能和寻优效率。 其次，本文探讨了遗传算法在组合优化中的应用。通过组合优化中的典型问题，即背包问题、二次指派问题和旅行商问题，介绍遗传算法在组合优化中的应用，同时提出了GA完备性与健全性的保证方法用以解决复杂组合优化问题，分析探讨了遗传算法的不足之处及其性能提高的方法。 由于遗传算法在许多优化问题中存在寻优效率低和局限性的问题，本文针对这些遗传算法中的非效率操作的局限性，作了以下几个方面的改进和研究： (1)简洁性遗传算法性能分析及其改进研究。从简洁性、简单性方向研究遗传算法性能提高的可能性，提出对其算法在组合优化问题上的改进方法，对其不足之处与传统遗传算法和蚁群算法进行了分析比较，讨论了它的适用范围和局限性。 (2)研究种群多样性测度从而改进遗传算法的寻优效率。本文探讨并研究了多样性测度问题及其多样性增强方法，通过顺序欺骗函数问题和多维函数来说明多样性测度，提出了在二进制编码下的多样性调节方法，并对该方法在GA性能方面与适值共享遗传算法进行分析比较。 (3)免疫遗传算法的改进研究。遗传算法虽然在进化中表现出“优胜劣汰”的特性，但却没有记忆功能。本文提出模式记忆的免疫遗传算法，借鉴生物免疫机制中的抗体的多样性，有效提高群体的多样性，同时其具有记忆功能能够有效地提高搜索效率，利用混和启发式来提高遗传算法的性能。 最后，提出利用免疫遗传算法应用于技能模糊控制优化问题中，用以解决类似困难优化问题。作为模糊控制技术发展的一个崭新的方向—技能模糊控制的设计，是本文所提出的遗传与免疫遗传算法的应用。如何利用该方法来解决困难优化问题，比如如何确定技能模糊控制中后件部参数，使模糊控制更加接近于人的行为控制方式，在本文进行了重点探讨，并通过汽车在弯道转弯的模拟实例验证了该方法的有效性。 综上所述，本文有如下几个主要创新点： (1)提出了遗传算法完备性与健全性的保证方法，使其能有效地解决复杂组合优化问题。 (2)提出了对CGA在TSP等组合优化问题上的改进方法。 (3)提出多样性测度方法，在分析多样性增强方法的基础上，提出了一种二进制编码适值多样性自适应控制方法，并对其性能进行分析比较研究。 (4)提出在免疫遗传算法中引入模式控制的方法来解决复杂函数优化的问题。 (5)提出利用基于免疫机制的遗传算法进行技能模糊控制系统参数的隶属度函数的学习，同时简化运动方程，利用依靠运动参数控制受控对象的行为来进行运动控制。

目录

文摘

英文文摘

论文说明：上海交通大学学位论文答辩决议书

上海交通大学学位论文原创性声明及上海交通大学学位论文版权使用授权书

第一章绪论

第二章遗传算法的理论分析及近年来仿生优化算法发展

第三章组合优化中的G A应用与改进及其不足之处分析

3.1概述

3.2组合优化典型问题描述

3.3组合优化中二维装箱问题的实现方法

3.4组合优化中三维空间管道铺设的实现方法

3.5组合优化问题中GA完备性、健全性及多样性评价

3 6遗传算法不足之处及其解决途径探讨

第四章CGA性能改进及其与蚁群算法性能比较

4.1基于最优保留的CGA及其在TSP欺骗问题中的应用

4.2 CGA算法性能与蚁群算法性能的分析比较

第五章基于种群多样性的GA性能改进

第六章免疫遗传算法及其在技能模糊控制优化中的应用

6.1免疫遗传算法

6.2基于模式记忆的免疫遗传算法

6.3免疫遗传算法的应用—技能模糊控制优化问题

第七章 总结与展望

参考文献

攻读博士学位期间完成的学术论文

致 谢