两种启发式优化算法的研究及其应用

论文摘要

启发式优化算法是近年来在协同进化论基础上发展起来的一类新型优化算法。与传统优化算法相比,启发式优化算法具有智能性、通用性、并行运行性和全局搜索能力,已广泛应用于国防现代化、控制工程、经济调度等领域。启发式算法包括许多分支,本文对差分进化算法和和声搜索算法进行了分析、改进和应用研究。差分进化算法（DE）属于启发式算法的一种分支,基本的差分进化算法包括：变异、交叉和选择操作。虽然差分进化算法结构简单,但由于控制参数选择不适,往往会出现早熟收敛等问题。本文提出了一种扩展变量维数的自适应差分进化算法（EVSDE）,该算法将DE算法的控制参数作为解向量的一维分量,随差分进化算法寻优过程的运行,最终可得到适应不同寻优阶段的控制参数,提高了算法的寻优能力,此外,提出一种新型的变异策略,更好的平衡了算法的全局搜索能力和局部搜索能力。可靠性问题是一类通过选择最优的元件和冗余度水平来满足资源约束,从而实现系统的可靠性最大化的问题。本文运用提出的EVSDE算法对三类典型系统可靠性问题进行优化处理,并与其它两类差分进化算法的求解结果进行对比,说明EVSDE算法在求解系统可靠性问题上具有更强的收敛性和稳定性。和声搜索算法（HS）是受音乐即兴创作过程的启发而产生的一种启发式算法。HS算法缺乏全局搜索能力,因此容易陷入局部最优。本文受到自动控制原理闭环控制系统设计思想的启发,提出了一种带有反馈调节的和声搜索算法（FAHS）,将这种算法应用到0-1背包问题的求解过程中,通过与其它两种HS算法的对比,说明FAHS算法在解决0-1背包优化问题上要好于其他两种HS算法。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外对启发式算法的研究现状
• 1.2.1 遗传算法
• 1.2.2 粒子群优化算法
• 1.2.3 差分进化算法
• 1.2.4 和声搜索算法
• 1.3 本文主要工作
• 第2章 差分进化算法及其改进算法
• 2.1 差分进化算法
• 2.1.1 差分进化算法的原理
• 2.1.2 一些改进的差分进化算法
• 2.2 改进的差分进化算法
• 2.2.1 算法改进的主要部分
• 2.2.2 EVSDE算法的流程
• 2.3 实验结果和分析
• 2.4 小结
• 第3章 改进差分进化算法在系统可靠性问题中的应用
• 3.1 可靠性问题的数学模型
• 3.2 系统的分类及可靠性的研究现状
• 3.2.1 系统的分类
• 3.2.2 可靠性研究现状
• 3.3 准备工作
• 3.3.1 约束条件的处理
• 3.3.2 对于离散变量的处理
• 3.4 实验结果和分析
• 3.5 小结
• 第4章 改进和声搜索算法在0-1背包问题中的应用
• 4.1 和声搜索算法
• 4.2 三种改进的和声搜索算法
• 4.2.1 改进和声搜索算法
• 4.2.2 全局最好和声搜索算法
• 4.2.3 新颖的全局和声搜索算法
• 4.3 带有反馈调节的和声搜索算法
• 4.3.1 带有反馈调节和声搜索算法的基本思想
• 4.3.2 FAHS算法的流程
• 4.4 0-1背包问题介绍
• 4.5 准备工作
• 4.5.1 约束条件的处理
• 4.5.2 对于离散变量的处理
• 4.6 实验结果和分析
• 4.7 小结
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢