約束優(yōu)化算法的關(guān)鍵技術(shù)研究及應(yīng)用.pdf

1、約束優(yōu)化問(wèn)題廣泛存在于科學(xué)研究和工程應(yīng)用領(lǐng)域中，目前對(duì)其研究已成為智能信息處理領(lǐng)域的研究熱點(diǎn)?，F(xiàn)有約束優(yōu)化算法在處理約束單目標(biāo)優(yōu)化問(wèn)題時(shí)存在易陷入局部最優(yōu)、收斂精度不高以及參數(shù)設(shè)計(jì)困難等問(wèn)題，特別對(duì)于非線性、強(qiáng)約束和多峰值的約束多目標(biāo)優(yōu)化問(wèn)題存在所求Pareto解集分布不均勻以及收斂性欠佳的缺陷，從而限制了約束優(yōu)化算法在實(shí)際中的應(yīng)用。因此，研究更為有效的約束優(yōu)化算法具有重要的理論意義和現(xiàn)實(shí)意義。
　　本文針對(duì)約束優(yōu)化算法在處理約束

2、單目標(biāo)優(yōu)化問(wèn)題和約束多目標(biāo)優(yōu)化問(wèn)題時(shí)的不足，對(duì)約束優(yōu)化算法中的約束處理技術(shù)、進(jìn)化策略、多樣性維持策略以及精英選擇策略等各項(xiàng)關(guān)鍵技術(shù)展開(kāi)深入研究。在理論研究上提出了一系列改進(jìn)措施，使改進(jìn)算法在求解各類約束優(yōu)化問(wèn)題上的性能得到全面提升。在實(shí)際應(yīng)用上將改進(jìn)算法用于優(yōu)化實(shí)際工程問(wèn)題，以改善現(xiàn)有方法的優(yōu)化效果。論文的主要研究?jī)?nèi)容包括以下六個(gè)方面。
　　第一，針對(duì)基于雙種群存儲(chǔ)技術(shù)的約束單目標(biāo)優(yōu)化算法存在收斂精度較低的問(wèn)題，提出一種基于混合策

3、略的雙種群約束單目標(biāo)優(yōu)化算法。首先，提出約束支配和最優(yōu)約束支配來(lái)更新不可行解集，保留目標(biāo)函數(shù)值和約束違反度均優(yōu)的不可行解，以提高算法的探索能力和搜索效率。其次，采用混合策略進(jìn)化種群，在進(jìn)化前期利用Deb準(zhǔn)則產(chǎn)生可行解，并通過(guò)保留非劣不可行解來(lái)提高多樣性，在進(jìn)化后期讓最優(yōu)和次優(yōu)個(gè)體指導(dǎo)進(jìn)化，以加快種群收斂。最后，采用佳點(diǎn)集來(lái)生成初始種群，改善初始種群多樣性。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
　　第二，針對(duì)ε約束多樣性維持能力不足

4、以及參數(shù)設(shè)置困難的問(wèn)題，提出一種基于自適應(yīng)ε的約束單目標(biāo)優(yōu)化算法。首先，對(duì)個(gè)體比較準(zhǔn)則進(jìn)行改進(jìn)，讓約束違反度和目標(biāo)函數(shù)值均較優(yōu)的不可行解參與進(jìn)化，加大對(duì)可行域邊界的探索力度，從而提高種群多樣性，避免陷入局部最優(yōu)。其次，提出自適應(yīng)ε調(diào)整策略，根據(jù)可行解在種群中所占的比例對(duì)ε進(jìn)行自適應(yīng)調(diào)整，平衡目標(biāo)函數(shù)和約束違反度的關(guān)系，從而更加合理地進(jìn)行個(gè)體比較。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
　　第三，針對(duì)現(xiàn)有約束多目標(biāo)優(yōu)化算法所求Pare

5、to解集分布性較差的問(wèn)題，提出一種基于雙種群的約束多目標(biāo)優(yōu)化算法。首先，對(duì)Harmonic距離進(jìn)行改進(jìn)，去除Pareto等級(jí)較差個(gè)體和較遠(yuǎn)個(gè)體的影響，從而更加準(zhǔn)確地反映種群的分布性，并且有效減少計(jì)算量。其次，提出的不可行解集更新方式通過(guò)緊密聯(lián)系與可行解集的關(guān)系，能夠保留優(yōu)秀的不可行解，有利于提高種群多樣性和算法搜索效率。最后，對(duì)變異策略進(jìn)行改進(jìn)，充分利用最優(yōu)可行解和優(yōu)秀不可行解的有效信息來(lái)引導(dǎo)種群進(jìn)化，較好地兼顧探索能力和開(kāi)發(fā)能力。仿真

6、實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
　　第四，針對(duì)目前約束多目標(biāo)優(yōu)化算法所求Pareto解集收斂性不佳的問(wèn)題，提出一種基于自適應(yīng)ε截?cái)嗖呗缘募s束多目標(biāo)優(yōu)化算法。首先，提出自適應(yīng)ε截?cái)噙x擇策略，優(yōu)先保留Pareto最優(yōu)可行解和約束違反度及目標(biāo)函數(shù)值均較優(yōu)的不可行解，從而有效平衡多樣性和收斂性。其次，在變異操作和交叉操作之后進(jìn)行指數(shù)變異，進(jìn)一步增強(qiáng)算法的局部開(kāi)發(fā)能力。最后，對(duì)擁擠密度估計(jì)方式進(jìn)行改進(jìn)，只選擇部分距離較近的Pareto最優(yōu)

7、解參與計(jì)算，不僅降低了計(jì)算量，而且能夠更加合理地評(píng)估種群的分布性。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
　　第五，針對(duì) MOEA/D算法求解約束多目標(biāo)優(yōu)化問(wèn)題時(shí)存在分布性欠佳和收斂精度不高的問(wèn)題，提出一種基于重新匹配策略的ε約束多目標(biāo)分解優(yōu)化算法。首先，對(duì)切比雪夫分解策略進(jìn)行理論分析和推導(dǎo)，得到兩條關(guān)于多樣性和收斂性的定理，為研究MOEA/D算法提供理論基礎(chǔ)。其次，為有效解決由于隨機(jī)為權(quán)重向量分配個(gè)體造成種群多樣性降低的問(wèn)題，提出

8、權(quán)重向量和個(gè)體的重新匹配策略來(lái)改善種群多樣性。最后，提出ε約束方法，較好地兼顧多樣性和收斂性。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
　　第六，將基于混合策略的雙種群約束單目標(biāo)優(yōu)化算法和基于自適應(yīng)ε的約束單目標(biāo)優(yōu)化算法分別用于軟件工程調(diào)度，將基于雙種群的約束多目標(biāo)優(yōu)化算法和基于自適應(yīng)ε截?cái)嗖呗缘募s束多目標(biāo)優(yōu)化算法分別用于相控陣?yán)走_(dá)參數(shù)優(yōu)化設(shè)計(jì)，將基于重新匹配策略的ε約束多目標(biāo)分解優(yōu)化算法用于大型艦船總體要素優(yōu)化設(shè)計(jì)，以改善現(xiàn)有設(shè)計(jì)方