论文部分内容阅读
智能算法是从自然界得到启发,模仿它的原理而得到的算法。智能算法自产生及发展以来,被广泛应用于解决大规模系统中出现的复杂问题,具有通用、简单、便于并行处理等优点,被认为是对21世纪的计算技术有重大影响的关键技术。
智能算法中的进化算法是仿效生物学中进化和遗传的过程,遵从“生存竞争,优胜劣汰”的原则,从一组随机生成的初始可行群体出发,借助复制、交换(重组)、突变等遗传操作,逐步逼近所研究问题的最优解。本文主要研究了进化算法中的两个比较典型和成熟的算法遗传算法和进化策略,通过对已有理论的研究对比,进一步加深对两种算法的认识。并提出在遗传算法研究的基础上将进化策略和遗传算法结合在一起并引入模拟退火的思想,形成一种改进的混合智能算法。新混合智能算法利用进化策略改进进化算子和选择算子,利用模拟退火思想改进变异算子,克服了原有单一算法易陷入局部最优解和早熟的问题,提高了求解精度。通过数值测试说明了新混合智能算法较之传统算法在求解精度上有了明显改善。
支持向量机是一种新兴的机器学习方法,具有推广能力强,易于高维处理,强大的非线性处理能力等特点。由此提出在以往模糊规划算法研究的基础上,将新生成的混合智能算法与支持向量机相结合,融合进解决模糊规划问题的算法中,提高了原有算法的寻优速率,并与传统的算法作了比较分析。为模糊规划的求解提供了一种新的思路和方法。