演化学习型智能优化方法及其应用研究.doc
【精品文档】如有侵权，请联系网站删除，仅供学习与交流演化学习型智能优化方法及其应用研究.精品文档.演化学习型智能优化方法及其应用研究邢立宁 【摘要】： 最优化技术在科学和工程等领域都有非常广泛的应用,受到了理论界和工程界的热切关注和深入研究;优化理论与算法的研究已成为一个具有理论意义和应用价值的热点课题。智能优化方法模仿自然现象的运行机制而产生,为解决复杂工程问题提供了新思路和新手段。最优化理论领域的“无免费午餐”定理说明算法混合是有效提高优化性能的一种手段,将各种算法有效地集成起来构成新的高效的优化方法是一个非常有价值的研究方向。 在现有智能优化方法的基础上,论文建立了演化学习型智能优化方法的基本框架。该框架采用智能优化模型和知识模型相结合的集成建模思路:智能优化模型按照“邻域搜索”策略对待优化问题的可行空间进行搜索;知识模型从前期优化过程中挖掘有用知识,然后采用知识来指导智能优化模型的后续优化过程。通过构建演化学习型智能优化的基本框架,将智能优化模型和知识模型有效地结合起来,极大地提高了演化学习型智能优化方法的优化绩效。演化学习型智能优化方法的基本框架为现有优化方法改进提供了一种有益的借鉴。 论文提出了精英个体知识、构件知识、算子知识和参数知识等四种知识形式,为演化学习型智能优化方法嵌入知识奠定了重要基础;构建了用于实现演化学习型智能优化方法的八类典型知识,可辅助演化学习型智能优化方法高效地求解复杂优化问题。 针对连续优化问题,设计并实现了一种求解函数优化问题的演化学习型遗传算法。采用21个标准测试函数进行实验,结果表明演化学习型遗传算法在优化性能方面优于近期公开发表的三种方法。 针对离散优化问题,设计并实现了求解三类典型离散优化问题的五种演化学习型智能优化方法。基于标准测试实例的实验结果表明,演化学习型智能优化方法在优化性能方面优于近期公开发表的多种方法。 针对实际工程问题,将演化学习型遗传算法和演化学习型蚁群算法分别应用于体系仿真优化问题、卫星地面站系统任务调度问题和多星任务规划问题,获得了非常满意的实验结果。【关键词】：智能优化方法 遗传算法 蚁群算法 协同演化 知识 【学位授予单位】：国防科学技术大学【学位级别】：博士【学位授予年份】：2009【分类号】：TP18【目录】： · 摘要14-15· Abstract15-17· 第一章 绪论17-38· 1.1 研究背景、动机及意义17-20· 1.1.1 研究背景17-18· 1.1.2 研究动机18-20· 1.1.3 研究意义20· 1.2 智能优化方法20-30· 1.2.1 遗传算法21-25· 1.2.2 蚁群算法25-30· 1.3 采用知识对智能优化算法进行引导30-36· 1.3.1 采用传统人工智能手段对智能优化算法进行引导31· 1.3.2 采用特定知识模型对智能优化算法进行引导31-33· 1.3.3 具有双层进化机制的文化算法33-36· 1.4 论文主要研究工作及创新点36-38· 1.4.1 研究内容与文章结构框架36-37· 1.4.2 主要创新点37-38· 第二章 演化学习型智能优化方法38-75· 2.1 演化学习型智能优化方法概述38-43· 2.1.1 知识38-39· 2.1.2 知识模型39-40· 2.1.3 智能优化方法40-41· 2.1.4 演化学习型智能优化方法的基本框架41-42· 2.1.5 演化学习型智能优化方法的运行机制42-43· 2.2 演化学习型智能优化方法中用到的几类知识43-52· 2.2.1 精英个体知识43-45· 2.2.2 构件知识45-50· 2.2.3 算子知识50-51· 2.2.4 参数知识51-52· 2.3 几种典型的演化学习型智能优化方法52-74· 2.3.1 求解函数优化问题的演化学习型遗传算法55-58· 2.3.2 求解非对称旅行商问题的演化学习型遗传算法58-60· 2.3.3 求解双层CARP 优化问题的演化学习型遗传算法60-62· 2.3.4 求解双层CARP 优化问题的演化学习型蚁群算法62-63· 2.3.5 求解柔性作业车间调度问题的演化学习型蚁群算法63-64· 2.3.6 求解柔性作业车间调度问题的演化学习型协同进化算法64-68· 2.3.7 求解体系仿真优化问题的演化学习型遗传算法68-70· 2.3.8 求解卫星地面站系统任务调度的演化学习型蚁群算法70-71· 2.3.9 求解多星任务规划问题的演化学习型蚁群算法71-74· 2.4 本章小结74-75· 第三章 求解连续优化问题的演化学习型智能优化方法75-93· 3.1 函数优化问题描述及特点分析75-76· 3.2 求解函数优化问题的演化学习型遗传算法76-87· 3.2.1 种群初始化76-77· 3.2.2 选择操作77-78· 3.2.3 交叉操作78-80· 3.2.4 变异操作80-83· 3.2.5 灾变操作83-86· 3.2.6 终止条件86-87· 3.3 实验结果及分析87-91· 3.3.1 参数设置87· 3.3.2 几种典型的函数优化方法87-89· 3.3.3 普通测试函数的实验结果89-90· 3.3.4 组合测试函数的实验结果90-91· 3.4 本章小结91-93· 第四章 求解离散优化问题的演化学习型智能优化方法93-176· 4.1 求解非对称旅行商问题的演化学习型遗传算法93-105· 4.1.1 旅行商问题描述及特点分析93-96· 4.1.2 求解非对称旅行商问题的演化学习型遗传算法96-102· 4.1.3 实验结果及分析102-105· 4.2 求解双层CARP 优化问题的演化学习型遗传算法105-136· 4.2.1 双层CARP 优化问题描述及特点分析105-113· 4.2.2 求解双层CARP 优化问题的基本框架113-120· 4.2.3 求解双层CARP 优化问题的演化学习型遗传算法120-125· 4.2.4 实验结果及分析125-136· 4.3 求解双层CARP 优化问题的演化学习型蚁群算法136-149· 4.3.1 求解双层CARP 优化问题的演化学习型蚁群算法136-145· 4.3.2 实验结果及分析145-149· 4.4 求解柔性作业车间调度问题的演化学习型蚁群算法149-164· 4.4.1 柔性作业车间调度问题描述及特点分析149-157· 4.4.2 求解柔性作业车间调度问题的演化学习型蚁群算法157-163· 4.4.3 实验结果及分析163-164· 4.5 求解柔性作业车间调度问题的演化学习型协同进化算法164-175· 4.5.1 求解柔性作业车间调度问题的演化学习型协同进化算法165-171· 4.5.2 实验结果及分析171-175· 4.6 本章小结175-176· 第五章 演化学习型智能优化方法在实际工程问题中的应用176-228· 5.1 求解体系仿真优化问题的演化学习型遗传算法176-183· 5.1.1 体系仿真优化问题描述176-178· 5.1.2 求解体系仿真优化问题的演化学习型遗传算法178-182· 5.1.3 实验结果及分析182-183· 5.2 求解卫星地面站系统任务调度的演化学习型蚁群算法183-190· 5.2.1 卫星地面站系统任务调度问题描述183-184· 5.2.2 求解卫星地面站系统任务调度的演化学习型蚁群算法184-188· 5.2.3 实验结果及分析188-190· 5.3 求解多星任务规划问题的演化学习型蚁群算法190-227· 5.3.1 多星任务规划问题描述190-199· 5.3.2 多星任务规划问题建模199-204· 5.3.3 求解多星任务规划问题的演化学习型蚁群算法204-214· 5.3.4 实验结果及分析214-219· 5.3.5 多星联合任务规划系统219-227· 5.4 本章小结227-228· 第六章 结束语228-231· 6.1 论文主要工作228-230· 6.2 未来工作展望230-231· 致谢231-233· 参考文献233-256· 作者在学期间取得的学术成果256-259· 附录A 函数优化问题的一些普通测试函数259-261· 附录B 函数优化问题的一些组合测试函数261-264· 附录C 双层CARP 优化问题的测试实例264-269· 附录D 双层CARP 优化问题的最优下限估计方法269-275· D.1 服务成本的最优下限估计269· D.2 空车成本的最优下限估计269-273· D.3 仓库构建成本的最优下限估计273· D.4 车辆购置成本的最优下限估计273-275
