基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究

摘要

鲁棒最优解在工程应用中具有十分重要的意义,它是进化计算的重要研究内容,也是研究难点.进化算法搜索鲁棒最优解时,通常使用蒙特卡罗积分（MCI）近似估计有效目标函数（EOF）,但由于现有的原始蒙特卡罗方法（C-MC）近似精度不高,导致进化算法搜索鲁棒最优解的性能较差.文中提出用拟蒙特卡罗方法（Q-MC）估计有效目标函数.通过大量的数值实验,结果表明,与C-MC相比,文中所引入的Q-MC方法——SQRT序列、SOBOL序列和Korobov点阵能更精确估计EOF,进而较大提高进化算法搜索鲁棒最优解的性能.