本文關(guān)鍵詞：求解機會約束規(guī)劃中P-模型的免疫優(yōu)化算法及其應用

  更多相關(guān)文章： P-模型 免疫優(yōu)化 機會約束規(guī)劃 自適應采樣 微種群

【摘要】：具有廣泛工程應用背景的機會約束規(guī)劃是指含有機會約束或概率不等式的隨機規(guī)劃問題,其中概率優(yōu)化是目標函數(shù)滿足概率不等式的特定類型機會約束規(guī)劃。鑒于工程應用領(lǐng)域頻繁出現(xiàn)含隨機因素的不確定規(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,但已報道的研究成果較為少見。本文借助生物免疫學中免疫細胞的行為特性和免疫應答機制,探討求解非約束或約束單、多目標概率優(yōu)化模型的免疫優(yōu)化算法,展開算法的計算復雜度分析、數(shù)值實驗、性能比較和應用研究。開展的研究工作和取得的主要成果概括如下:(1)針對非約束單目標概率優(yōu)化問題,探討基于自適應采樣的微種群免疫優(yōu)化算法。算法設(shè)計中,基于免疫學中備受關(guān)注的危險理論,設(shè)計隱并行優(yōu)化結(jié)構(gòu);經(jīng)由自適應采樣方法辨析優(yōu)質(zhì)和劣質(zhì)個體;通過動態(tài)調(diào)整個體的危險半徑確定危險區(qū)域和不同類型子群;利用多種變異策略指導個體展開多方位的局部和全局搜索。該算法的計算復雜度依賴于迭代數(shù)、變量維數(shù)和群體規(guī)模,其具有進化種群規(guī)模小、可調(diào)參數(shù)少、結(jié)構(gòu)簡單等優(yōu)點。最后,借助理論測試例子和公交車調(diào)度問題,比較性的數(shù)值實驗顯示,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,對復雜概率優(yōu)化模型有較好應用潛力。(2)針對單目標概率約束優(yōu)化問題,探討基于自適應采樣的微種群免疫優(yōu)化算法。算法設(shè)計中,基于危險理論蘊涵的運行機理,借助動態(tài)調(diào)整的危險半徑執(zhí)行群體分割;利用約束處理方案估計候選解的概率估計值;通過自適應采樣模塊確定可信個體的樣本大小;各子群間通過信息傳遞和變異的方式產(chǎn)生優(yōu)質(zhì)個體。計算復雜度分析表明,該算法的復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)簡單和易于工程應用等優(yōu)點。比較性的數(shù)值實驗表明,其在執(zhí)行效果和效率上都能達到預期效果,對工程優(yōu)化問題有一定的應用潛力。(3)針對多目標概率約束優(yōu)化問題,嘗試性地探討基于自適應采樣的多目標免疫優(yōu)化算法。算法設(shè)計中,借助以上約束處理和自適應采樣方案估算個體的概率估計值和確定非支配個體的樣本大小;進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)量的非支配個體;支配子群的個體采用多項式變異搜尋多樣的個體。計算復雜度分析表明,該算法的復雜度由個體樣本大小和迭代次數(shù)確定。比較性的數(shù)值實驗說明,該算法具有較好的群體多樣性和較強的群體進化能力,對工程優(yōu)化問題的解決有一定的參考價值。
【關(guān)鍵詞】：P-模型 免疫優(yōu)化 機會約束規(guī)劃 自適應采樣 微種群
【學位授予單位】：貴州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 求解機會約束規(guī)劃的智能優(yōu)化研究進展8-11
• 1.3.1 機會約束處理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 免疫學基本理論與基本免疫優(yōu)化算法13-17
• 2.1 免疫學基本理論13-14
• 2.1.1 免疫學基本概念13-14
• 2.1.2 免疫學基本原理14
• 2.2 危險理論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 計算復雜度分析19-20
• 3.5 數(shù)值實驗20-26
• 3.6 本章小結(jié)26-27
• 第四章 單目標概率約束優(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 計算復雜度分析30-31
• 4.5 數(shù)值實驗31-36
• 4.6 本章小結(jié)36-37
• 第五章 多目標概率約束免疫優(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 計算復雜度分析39-40
• 5.5 評價準則40
• 5.6 數(shù)值實驗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47-50
• 附錄：攻讀碩士學位期間發(fā)表的論文50-51

，

本文編號：738871