為求得類似仿真函數(shù)的黑箱函數(shù)優(yōu)化問題的全部局部極值點(diǎn),提出了一種基于適應(yīng)值曲面分析的新算法。首先,對(duì)適應(yīng)值距離相關(guān)系數(shù)（fitness distance correlation,FDC）進(jìn)行了改進(jìn),探討了改進(jìn)FDC指標(biāo)與適應(yīng)值曲面崎嶇度的對(duì)應(yīng)關(guān)系。在此基礎(chǔ)上,設(shè)計(jì)了基于FDC的重復(fù)對(duì)分區(qū)域法（FDC based repeated split region,FRSR）,對(duì)可行域依據(jù)崎嶇度進(jìn)行分解,得到滿足崎嶇度要求的若干子區(qū)間,并在這些子區(qū)間上依據(jù)FDC指標(biāo)設(shè)置初始點(diǎn),然后利用模式搜索算法進(jìn)行尋優(yōu)。通過對(duì)比FRSR法與傳統(tǒng)的均勻分配初始點(diǎn)法以及其他現(xiàn)有方法,驗(yàn)證了FRSR法能夠以較少的初始點(diǎn)得到全部局部極值,在速度上和解的質(zhì)量上都優(yōu)于傳統(tǒng)方法。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2020,42(02)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

遺傳算法找到的局部極值點(diǎn)

Multistart算法是否能夠搜索到全部局部極小取決于初始點(diǎn)的數(shù)量和分布，如圖2所示。該曲面上共有7個(gè)局部極小點(diǎn)，采取均勻選取初始點(diǎn)的方法找出全部局部極小。若樣本點(diǎn)過于稀疏，如圖2(a）所示，用到6個(gè)均勻分布的初始點(diǎn)，則可能在部分崎嶇度較大的曲面上漏掉個(gè)別局部極小點(diǎn)，比如S1段曲面上的A2、S3段曲面上的A5；若初始點(diǎn)密度增大一倍，如圖2(b）所示，用到12個(gè)均勻分布的初始點(diǎn)，則能夠在崎嶇度較大的曲面S1、S3上找到全部局部極小，盡管找到了全部局部極小，但是代價(jià)是不僅在崎嶇度較大的曲面S1、S3上增加了初始點(diǎn)，而且在崎嶇度較小的曲面S2、S4上增加了同樣密度的初始點(diǎn)，而事實(shí)上，崎嶇度較小的曲面需要的初始點(diǎn)應(yīng)較少，這就帶來了計(jì)算量的額外增大。

對(duì)于一個(gè)優(yōu)化問題，若將搜索空間看作是由可行解對(duì)應(yīng)的點(diǎn)集組成的曲面，曲面上每一點(diǎn)的高度對(duì)應(yīng)該點(diǎn)適應(yīng)值大小，那么啟發(fā)式搜索算法可以看作是在這個(gè)曲面上有目的地行進(jìn)，去尋找曲面上最低山谷（最小化問題）的搜索過程。適應(yīng)值曲面的表現(xiàn)形式為山峰和山谷的跌宕起伏，山峰代表高適應(yīng)度值，山谷代表低適應(yīng)度值，尋找極值的過程可看做“爬山”的過程，如圖3所示。地表平面越崎嶇，就越難找到最低山谷，即最優(yōu)解。也就是說，適應(yīng)值曲面決定了采取啟發(fā)式算法的困難度，對(duì)啟發(fā)式算法及其參數(shù)的選取具有重要的指導(dǎo)意義。本文試圖通過對(duì)適應(yīng)值曲面的崎嶇度分析，尋找一種求解多維黑箱函數(shù)的全部局部極值的新方法。

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的仿真優(yōu)化算法設(shè)計(jì)[J]. 吳詩輝,張發(fā),李正欣,劉曉東.  系統(tǒng)工程與電子技術(shù). 2019(06)
[2]一種基于神經(jīng)網(wǎng)絡(luò)的仿真優(yōu)化方法[J]. 吳詩輝,劉曉東,邵悅,張發(fā),楊閩湘.  系統(tǒng)仿真學(xué)報(bào). 2018(01)
[3]基于多種群的改進(jìn)粒子群算法多模態(tài)優(yōu)化[J]. 謝紅俠,馬曉偉,陳曉曉,邢強(qiáng).  計(jì)算機(jī)應(yīng)用. 2016(09)
[4]一種基于“擁擠度”概念的人工蜂群算法改進(jìn)[J]. 王文國,吳宗月.  通信技術(shù). 2016(07)
[5]一類求多變量函數(shù)所有局部極小點(diǎn)的算法[J]. 劉杰,王宇平.  軟件學(xué)報(bào). 2013(10)
[6]考慮擁擠度的多目標(biāo)粒子群優(yōu)化算法在馬斯京根參數(shù)估計(jì)中的應(yīng)用[J]. 宋萬禎,雷曉輝,黃曉敏,唐兵,蔣云鐘.  水電能源科學(xué). 2013(01)
[7]基于模式搜索的導(dǎo)彈目標(biāo)分配方法研究[J]. 吳詩輝,楊建軍,郭亞坤.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2009(03)
[8]動(dòng)態(tài)小生境遺傳算法在多模函數(shù)優(yōu)化中的應(yīng)用[J]. 陳娟,徐立鴻.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(05)
[9]約束p-中位問題的適應(yīng)值曲面分析[J]. 陳曄,李有梅.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(02)
[10]混合離散變量優(yōu)化設(shè)計(jì)的復(fù)合遺傳算法[J]. 郭惠昕,張龍庭.  機(jī)械設(shè)計(jì). 2005(03)

碩士論文
[1]人工魚群行為及其擁擠度因子的研究[D]. 唐莉.南京理工大學(xué) 2017



本文編號(hào)：3420471