本文關鍵詞：人工雨滴算法及其應用研究

  更多相關文章： 人工雨滴算法 復雜連續(xù)優(yōu)化 動態(tài)平衡機制 收斂性分析

【摘要】：演化算法是一類啟發(fā)于自然現(xiàn)象或規(guī)律的智能搜索和優(yōu)化技術的總稱。由于其高效的優(yōu)化性能和巨大的應用潛力,演化算法在過去的半個多世紀受到了國內(nèi)外研究人員的廣泛關注。目前,演化算法已在眾多領域得到十分廣泛的應用,并解決了許多非常有價值的實際問題,其研究成果已經(jīng)滲透到多個學科。然而,在求解的過程中,仍然需要重點關注以下兩個方面:1)如何平衡演化算法的探索與開發(fā)的能力;2)如何在演化算法的設計過程中融合問題的特征。有鑒于此,本文旨在提出一種新的演化算法-人工雨滴算法,并對其在復雜連續(xù)優(yōu)化問題的求解方面展開研究,主要創(chuàng)新性工作如下:1.雨滴計算模型及其算法設計的研究。首先,通過將自然降雨現(xiàn)象抽象為雨滴形成過程、雨滴下降過程、雨滴碰撞過程、雨滴流動過程、雨滴池更新過程和水氣更新過程六個階段,建立雨滴計算模型;其次,基于所構建的雨滴計算模型,設計相應的演化算子,進而提出人工雨滴算法;再者,利用相關的數(shù)學理論,證明人工雨滴算法在變量不相關的條件下是以概率1收斂到滿意種群;最后,與24個演化算法在CEC2005測試平臺上進行優(yōu)化性能比較。實驗結果證實了人工雨滴算法的有效性。2.在利用人工雨滴算法求解單目標優(yōu)化問題時,如何平衡探索與開發(fā)是算法有效的基本要求。為此,借鑒多個雨滴的并行搜索機制,提出一種擴展人工雨滴算法。首先,通過引入聚類技術對當前種群進行動態(tài)劃分,實現(xiàn)多子種群協(xié)同演化,以增強種群的多樣性;其次,利用目標函數(shù)信息和全局最優(yōu)個體來修正雨滴形成算子和雨滴流動算子,以加快算法的收斂速度;最后,與人工雨滴算法和其它23個改進演化算法在CEC2005測試平臺上進行優(yōu)化性能比較。實驗結果表明,擴展人工雨滴算法不僅顯著改進了人工雨滴算法的整體性能,而且與其它23個算法相比,同樣具有競爭力。3.在利用人工雨滴算法求解單目標優(yōu)化問題時,如何在算法設計過程中融合問題的特征是計算效率提高的重要方面。為此,提出一種集成自組織映射和二項交叉算子學習的人工雨滴算法。首先,通過自組織映射方法將演化種群從高維輸入空間映射到低維隱層空間,構建出個體的鄰域結構。其次,利用協(xié)方差矩陣來識別種群分布的數(shù)據(jù)關聯(lián)特性,并建立以特征向量為坐標軸的新坐標系,從而實現(xiàn)二項交叉算子在不同坐標系下的協(xié)同搜索,達到提高計算效率的目的;最后,與人工雨滴算法,擴展人工雨滴算法,以及5個改進的演化算法在CEC2005測試平臺上進行性能比較。實驗結果表明,提出的算法不僅明顯優(yōu)于人工雨滴算法和擴展人工雨滴算法,而且與其它5個改進算法相比,同樣具有競爭力。4.在利用人工雨滴算法求解多目標優(yōu)化問題時,如何實現(xiàn)收斂性的同時,兼顧多樣性是兩個主要關注的目標。為此,通過結合人工雨滴算法和分解框架,提出一種基于分解的多目標人工雨滴算法。首先,為提高算法的收斂能力,將模擬二進制交叉集成到算法設計過程中,以此加速Pareto前沿的填充。其次,為提高非支配個體在Pareto前沿上分布的多樣性,利用k近鄰方法對外部精英存檔中的非支配個體進行循環(huán)修剪。此外,利用相關的數(shù)學理論,證明了基于分解的多目標人工雨滴算法在一定條件下是以概率1收斂到理想Pareto最優(yōu)種群。最后,與8個多目標演化算法在兩個不同類型的測試集上進行優(yōu)化性能比較。實驗結果驗證了提出算法在維護多樣性方面具有一定的優(yōu)勢。5.在利用人工雨滴算法求解多目標優(yōu)化問題時,如何在算法設計過程中融合問題的特征是提高計算效率的重要方面。為此,通過結合人工雨滴算法和非支配排序框架,提出一種先驗知識驅(qū)動的多目標人工雨滴算法。為提高算法的搜索能力,將中心點采樣和模擬二進制交叉集成到算法設計過程中。其中,中心點采樣作為多目標優(yōu)化問題的先驗知識,用來引導其它個體快速朝目標Pareto前沿靠近,而模擬二進制交叉用來加速Pareto前沿的填充。此外,利用相關的數(shù)學理論,證明了基于先驗知識驅(qū)動的多目標人工雨滴算法在一定條件下是以概率1收斂到理想Pareto最優(yōu)種群。最后,與8個多目標演化算法在兩個不同類型的測試集上進行優(yōu)化性能比較。實驗結果驗證了提出算法的有效性。6.針對分布的參考向量和逆模型采樣的局限性,IM-MOEA對不規(guī)則的多目標優(yōu)化問題的求解遇到極大的挑戰(zhàn)。為此,提出一種集成人工雨滴算法和高斯逆模型采樣的多目標演化算法。首先,利用雨滴池來存儲非支配解和動態(tài)地調(diào)節(jié)參考向量的分布,引導算法朝稀疏區(qū)域探索;其次,集成逆模型采樣和人工雨滴算法提高算法的搜索能力。最后,與6個多目標演化算法在18個具有不規(guī)則Pareto前沿的多目標測試集上進行優(yōu)化性能比較。實驗結果驗證了改進的IM-MOEA有更好的整體性能。7.由于混沌系統(tǒng)的復雜性,系統(tǒng)中的某些參數(shù)在實際應用中很難預先確定或者并不可知,如何對系統(tǒng)參數(shù)進行有效估計是混沌系統(tǒng)控制與同步需要解決的首要問題。為此,首先,通過構造一個適當?shù)倪m應度函數(shù),將混沌系統(tǒng)的參數(shù)估計問題將其轉化為一個多維優(yōu)化問題;然后,利用人工雨滴算法的全局搜索能力求解該問題。最后,與 8個演化算法在6個不同的混沌系統(tǒng)進行優(yōu)化性能比較。實驗結果驗證了人工雨滴算法一種有效的混沌系統(tǒng)參數(shù)估計方法。
【學位授予單位】：西安理工大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP18
，

本文編號：1269916