針對(duì)遺傳算法求解復(fù)雜非線性函數(shù)尋優(yōu)出現(xiàn)早熟,陷入最優(yōu)解這一問(wèn)題,將非線性規(guī)劃和遺傳算法相結(jié)合,通過(guò)對(duì)典型復(fù)雜函數(shù)的仿真,并與遺傳算法比較,表明基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法具有明顯的優(yōu)勢(shì),收斂速度快,尋找到的極值非常接近最優(yōu)解。 

【文章來(lái)源】：科技與創(chuàng)新. 2019,(15)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

函數(shù)圖像

慕徊娌僮魑?babaababaalljjkjlkjkjj11）（）（，其中，b為[0，1]區(qū)間的隨機(jī)數(shù)。2.2.2.6變異變異主要是為了維持種群多樣性。變異首先在群體中隨機(jī)選擇一個(gè)個(gè)體，對(duì)于選中的個(gè)體以一定的概率隨機(jī)地改變串結(jié)構(gòu)數(shù)據(jù)中的某個(gè)串的值。同生物界一樣，遺傳算法中變異概率很低，通常取很小的值，本文選取變異概率為0.01。3算法設(shè)計(jì)本文結(jié)合非線性規(guī)劃和遺傳算法的各自有點(diǎn)，一方面采用遺傳算法進(jìn)行全局搜索，一方面采用非線性規(guī)劃進(jìn)行局部搜索，以得到問(wèn)題的全局最優(yōu)解，算法流程如圖2所示。其中，種群初始化模塊根據(jù)求解問(wèn)題初始化種群，適應(yīng)度值計(jì)算模塊根據(jù)適應(yīng)度函數(shù)計(jì)算個(gè)體適應(yīng)度值，選擇、交叉以及變異為遺傳算法的搜索算子，N為固定值，當(dāng)進(jìn)化次數(shù)為N的倍數(shù)時(shí)，則采用非線性規(guī)劃尋優(yōu)加快進(jìn)化，非線性規(guī)劃利用當(dāng)前染色體值采用函數(shù)fmincon尋找問(wèn)題的局部最優(yōu)解。圖2算法流程圖4實(shí)驗(yàn)分析如圖1所示，Ackley函數(shù)是一個(gè)非常復(fù)雜的非線性函數(shù)，存在很多局部極小值點(diǎn)，但是全局的極小值點(diǎn)只有一個(gè)0，位置為（0，0）。分別采用基本遺傳算法和本文的基于遺傳算法、非線性規(guī)劃的函數(shù)尋優(yōu)算法進(jìn)行求解Ackley函數(shù)的極小值。設(shè)定種群規(guī)模100，進(jìn)化30代，交叉概率為0.6，變異概率為0.01。算法的優(yōu)化過(guò)程中各代平均函數(shù)值和最優(yōu)個(gè)體函數(shù)值變化如圖3所示。在種群進(jìn)化到20代時(shí)，函數(shù)值收斂到0.1588，位置為（0.0412，﹣0.0321）。051015202530012345678函數(shù)值曲線終止代數(shù)＝30進(jìn)化代數(shù)函數(shù)值各代平均值各代最佳值圖3基本遺傳算法優(yōu)化過(guò)程用基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法求?

【參考文獻(xiàn)】：
期刊論文
[1]遺傳算法在優(yōu)化問(wèn)題中的應(yīng)用綜述[J]. 李巖,袁弘宇,于佳喬,張更偉,劉克平.  山東工業(yè)技術(shù). 2019(12)
[2]混合線性約束非線性最優(yōu)化問(wèn)題的一個(gè)新算法[J]. 申合帥,李澤民.  湖南師范大學(xué)自然科學(xué)學(xué)報(bào). 2018(05)
[3]基于蒙特卡羅法與梯度法解非線性優(yōu)化問(wèn)題的研究[J]. 薛美芬,陳奕榕,陳省江.  寧德師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(02)
[4]基于改進(jìn)PSO算法的函數(shù)極值尋優(yōu)研究[J]. 楊娜,荊園園.  計(jì)算機(jī)仿真. 2015(09)
[5]遺傳算法求解非線性方程組研究綜述[J]. 吳龍,任紅民,畢惟紅.  電子科技. 2014(04)
[6]遺傳算法的綜述[J]. 張國(guó)民.  科技視界. 2013(09)



本文編號(hào)：3338902