本文關(guān)鍵詞：求解機(jī)會(huì)約束規(guī)劃中P-模型的免疫優(yōu)化算法及其應(yīng)用

  更多相關(guān)文章： P-模型 免疫優(yōu)化 機(jī)會(huì)約束規(guī)劃 自適應(yīng)采樣 微種群

【摘要】：具有廣泛工程應(yīng)用背景的機(jī)會(huì)約束規(guī)劃是指含有機(jī)會(huì)約束或概率不等式的隨機(jī)規(guī)劃問題,其中概率優(yōu)化是目標(biāo)函數(shù)滿足概率不等式的特定類型機(jī)會(huì)約束規(guī)劃。鑒于工程應(yīng)用領(lǐng)域頻繁出現(xiàn)含隨機(jī)因素的不確定規(guī)劃問題,探討求解概率優(yōu)化問題的優(yōu)化方法已成為最優(yōu)化領(lǐng)域關(guān)注的重要課題,但已報(bào)道的研究成果較為少見。本文借助生物免疫學(xué)中免疫細(xì)胞的行為特性和免疫應(yīng)答機(jī)制,探討求解非約束或約束單、多目標(biāo)概率優(yōu)化模型的免疫優(yōu)化算法,展開算法的計(jì)算復(fù)雜度分析、數(shù)值實(shí)驗(yàn)、性能比較和應(yīng)用研究。開展的研究工作和取得的主要成果概括如下:(1)針對(duì)非約束單目標(biāo)概率優(yōu)化問題,探討基于自適應(yīng)采樣的微種群免疫優(yōu)化算法。算法設(shè)計(jì)中,基于免疫學(xué)中備受關(guān)注的危險(xiǎn)理論,設(shè)計(jì)隱并行優(yōu)化結(jié)構(gòu);經(jīng)由自適應(yīng)采樣方法辨析優(yōu)質(zhì)和劣質(zhì)個(gè)體;通過動(dòng)態(tài)調(diào)整個(gè)體的危險(xiǎn)半徑確定危險(xiǎn)區(qū)域和不同類型子群;利用多種變異策略指導(dǎo)個(gè)體展開多方位的局部和全局搜索。該算法的計(jì)算復(fù)雜度依賴于迭代數(shù)、變量維數(shù)和群體規(guī)模,其具有進(jìn)化種群規(guī)模小、可調(diào)參數(shù)少、結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)。最后,借助理論測(cè)試?yán)雍凸卉囌{(diào)度問題,比較性的數(shù)值實(shí)驗(yàn)顯示,該算法在尋優(yōu)質(zhì)量、噪聲抑制和執(zhí)行效率方面均具有一定的優(yōu)勢(shì),對(duì)復(fù)雜概率優(yōu)化模型有較好應(yīng)用潛力。(2)針對(duì)單目標(biāo)概率約束優(yōu)化問題,探討基于自適應(yīng)采樣的微種群免疫優(yōu)化算法。算法設(shè)計(jì)中,基于危險(xiǎn)理論蘊(yùn)涵的運(yùn)行機(jī)理,借助動(dòng)態(tài)調(diào)整的危險(xiǎn)半徑執(zhí)行群體分割;利用約束處理方案估計(jì)候選解的概率估計(jì)值;通過自適應(yīng)采樣模塊確定可信個(gè)體的樣本大小;各子群間通過信息傳遞和變異的方式產(chǎn)生優(yōu)質(zhì)個(gè)體。計(jì)算復(fù)雜度分析表明,該算法的復(fù)雜度由多種因素共同決定。此算法具有需調(diào)試的參數(shù)少、結(jié)構(gòu)簡(jiǎn)單和易于工程應(yīng)用等優(yōu)點(diǎn)。比較性的數(shù)值實(shí)驗(yàn)表明,其在執(zhí)行效果和效率上都能達(dá)到預(yù)期效果,對(duì)工程優(yōu)化問題有一定的應(yīng)用潛力。(3)針對(duì)多目標(biāo)概率約束優(yōu)化問題,嘗試性地探討基于自適應(yīng)采樣的多目標(biāo)免疫優(yōu)化算法。算法設(shè)計(jì)中,借助以上約束處理和自適應(yīng)采樣方案估算個(gè)體的概率估計(jì)值和確定非支配個(gè)體的樣本大小;進(jìn)化種群被分割為非支配和支配子群之后,非支配子群采用高斯變異搜尋高質(zhì)量的非支配個(gè)體;支配子群的個(gè)體采用多項(xiàng)式變異搜尋多樣的個(gè)體。計(jì)算復(fù)雜度分析表明,該算法的復(fù)雜度由個(gè)體樣本大小和迭代次數(shù)確定。比較性的數(shù)值實(shí)驗(yàn)說明,該算法具有較好的群體多樣性和較強(qiáng)的群體進(jìn)化能力,對(duì)工程優(yōu)化問題的解決有一定的參考價(jià)值。
【關(guān)鍵詞】：P-模型 免疫優(yōu)化 機(jī)會(huì)約束規(guī)劃 自適應(yīng)采樣 微種群
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 中文摘要4-5
• Abstract5-7
• 第一章 緒論7-13
• 1.1 研究背景7
• 1.2 研究目的及意義7-8
• 1.3 求解機(jī)會(huì)約束規(guī)劃的智能優(yōu)化研究進(jìn)展8-11
• 1.3.1 機(jī)會(huì)約束處理8-9
• 1.3.2 智能優(yōu)化求解EC-模型9-10
• 1.3.3 智能優(yōu)化求解P-模型10-11
• 1.4 內(nèi)容結(jié)構(gòu)安排11-12
• 1.5 本章小結(jié)12-13
• 第二章 免疫學(xué)基本理論與基本免疫優(yōu)化算法13-17
• 2.1 免疫學(xué)基本理論13-14
• 2.1.1 免疫學(xué)基本概念13-14
• 2.1.2 免疫學(xué)基本原理14
• 2.2 危險(xiǎn)理論14-15
• 2.3 基本免疫優(yōu)化算法15-16
• 2.4 本章小結(jié)16-17
• 第三章 非約束單目標(biāo)概率優(yōu)化的微種群免疫優(yōu)化算法17-27
• 3.1 問題描述17-18
• 3.2 算法原理18
• 3.3 算法描述18-19
• 3.4 計(jì)算復(fù)雜度分析19-20
• 3.5 數(shù)值實(shí)驗(yàn)20-26
• 3.6 本章小結(jié)26-27
• 第四章 單目標(biāo)概率約束優(yōu)化的微種群免疫優(yōu)化算法27-37
• 4.1 問題描述27-28
• 4.2 算法原理28
• 4.3 算法描述28-30
• 4.4 計(jì)算復(fù)雜度分析30-31
• 4.5 數(shù)值實(shí)驗(yàn)31-36
• 4.6 本章小結(jié)36-37
• 第五章 多目標(biāo)概率約束免疫優(yōu)化算法37-45
• 5.1 問題描述37
• 5.2 算法原理37-38
• 5.3 算法描述38-39
• 5.4 計(jì)算復(fù)雜度分析39-40
• 5.5 評(píng)價(jià)準(zhǔn)則40
• 5.6 數(shù)值實(shí)驗(yàn)40-43
• 5.7 本章小結(jié)43-45
• 第六章 總結(jié)與討論45-46
• 致謝46-47
• 參考文獻(xiàn)47-50
• 附錄：攻讀碩士學(xué)位期間發(fā)表的論文50-51

，

本文編號(hào)：738871