發(fā)布時間：2024-03-20 05:10

　　啟發(fā)式優(yōu)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(shù)的統(tǒng)稱。由于其高效的優(yōu)化性能以及巨大的應(yīng)用潛力等優(yōu)點,在眾多領(lǐng)域和學(xué)科中得到了十分廣泛的應(yīng)用,比如機械制造、航空航天、軍事、科研等。但是,隨著優(yōu)化問題的日益復(fù)雜,給算法帶來了巨大的挑戰(zhàn),探索和提出高效的搜索算法一直是一個開放性的話題。本文通過對群體決策現(xiàn)象的模擬,提出了一種新的啟發(fā)式方法—商討式群決策優(yōu)化算法,并用于求解不同的最優(yōu)化問題。主要工作總結(jié)如下:(1)受群體決策現(xiàn)象的啟發(fā),提出了商討式群決策優(yōu)化算法。該算法主要模擬群體決策中五個重要的決策過程:基于經(jīng)驗的過程,基于其他決策者的過程,基于群體思維的過程,基于領(lǐng)導(dǎo)者的過程和基于創(chuàng)新的過程。針對每個決策過程設(shè)計相應(yīng)的計算算子,并采用多步式可選擇策略來連接這些算子。通過對測試函數(shù)集和神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型的仿真實驗,結(jié)果表明提出的算法可以得到很好的計算結(jié)果,優(yōu)于其他對比算法。(2)受廣義的群決策現(xiàn)象啟發(fā),提出了擴展的商討式群決策算法。針對商討式群決策算法中固定的算子連接順序,計算冗余問題,擴展的算法引入隨機序列構(gòu)造策略為種群個體提供不同的搜索序列,這樣改變了原來固定的算子順序,提高...

【文章頁數(shù)】：153 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．１最優(yōu)化問題分類圖??

第一章緒論??比如，無約束單目標(biāo)優(yōu)化問題，高維單目標(biāo)優(yōu)化問題，靜態(tài)多目標(biāo)優(yōu)化問題，約??￡?最優(yōu)化問題??湖?＋??ｖ多睛ｙ／??圖１．１最優(yōu)化問題分類圖??Ｆｉｇ?１．?１?Ｔｈｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｇｒａｐｈ?ｏｆ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｂｌｅｍ??束的....

圖２．１凸集與非凸集示意圖??－

第二章基礎(chǔ)知識??圖２．１凸集與非凸集示意圖??Ｆｉｇ?２．?１?Ｔｈｅ?ｃｕｒｖｅｓ?ｏｆ?ｃｏｎｖｅｘ?ａｎｄ?ｎｏｎ－ｃｏｎｖｅｘ?ｓｅｔ??定理２．９設(shè)尸（尤）是非空開凸集上可微，則在Ｑ上是凸函數(shù)的充??分必要條件：ＶＸ，，ＪＴ２ｅＱ，有尸（Ｘ２）之尸＋??證明必要性設(shè)在....

圖２．２多目標(biāo)優(yōu)化問題示意圖??

第二章基礎(chǔ)知識??目標(biāo)一??Ｖ／??Ｔ＞—〇?目標(biāo)二???＞??圖２．２多目標(biāo)優(yōu)化問題示意圖??Ｆｉｇ?２．?２?Ｔｈｅ?ｃｕｒｖｅ?ｏｆ?ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｂｌｅｍ??定義２．２０對于給定的多目標(biāo)優(yōu)化問題Ｆ（Ｘ），?Ｐ〇Ｓ的定義為：....

圖２．?３最優(yōu)化算法的基本框架圖??Ｆｉｇ?２．?３?Ｔｈｅ?ｂａｓｉｃ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｉｎｔｅｌｌｉｇｅｎｃｅ?ｏｐｔｉｍｉｚａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??

第二章基礎(chǔ)知識??（３）在變化的環(huán)境下，設(shè)計的動態(tài)優(yōu)化算法能夠求得其數(shù)量較多、分布較廣??且均勾的Ｐａｒｅｔｏ最優(yōu)解；??２．４最優(yōu)化方法理論基礎(chǔ)??上節(jié)主要介紹了最優(yōu)化的基本概念、最優(yōu)性條件和凸規(guī)劃、多目標(biāo)優(yōu)化、動??態(tài)多目標(biāo)優(yōu)化相關(guān)的概念。本節(jié)主要介紹最優(yōu)化方法的基本框架和原....

本文編號：3933009