求解约束优化问题的改进元胞遗传算法
2021-11-17谢蕴文鲁宇明
计算机仿真 2021年8期
谢蕴文,鲁宇明,刘 毅
(南昌航空大学航空制造工程学院,江西 南昌 330063)
1 引言
在航空航天、图像处理、经济管理学等诸多领域当中,约束优化问题广泛存在,相对于普通优化问题,约束优化问题由于约束条件的限制,可行域会变得十分复杂,给问题的求解带来了极大的难度。传统的数学规划方法难以求解这种不连续,不可微的问题,因此普遍采用群智能优化方法处理此类问题。
元胞遗传算法(Cellular Genetic Algorithms,CGA)是将元胞遗传算法和元胞自动机相结合的进化算法[1]。该算法可以使种群的多样性保存的更加完整,从而在全局搜索以及局部寻优之间可以得到充足的平衡。近些年来,元胞遗传算法在路径寻优、多目标优化、车间布局等诸多领域都有着广泛应用且取得良好效果。
在处理约束优化问题上,一般采用约束处理技术与智能算法相结合的方法。董宁[2]等人采用多目标约束处理技术与差分进化算法相结合处理约束处理问题;李二超[3]等人采用不同阶段、对种群进行不同存档策略来对约束优化问题进行处理;赵立进[4],陈健[5]等人采用ε约束处理技术与智能算法相结合也取得了良好的效果。
本文为改善约束优化问题在高维函数测试中效果不佳的情况,利用元胞遗传算法多样性保持良好的优点,将元胞遗传算法与改进ε比较准则相结合,提出偏好性指标、改进柯西变异算子的改进方法。通过对一组标准测试函数进行试验,验证了算法在高维问题中的优越性并在收敛精度上取得了良好的效果。……
登录APP查看全文
