论文部分内容阅读
随着工程技术的发展与优化问题数学模型的逐渐完善,很多优化问题从最初的低维优化发展成为现在的高维优化问题。因此具有高维特性的大规模问题成为了当前研究的热点问题,并且在工程实践中也有广泛应用。虽然最近几年进化优化在许多实值和组合优化问题上取得了很大的成功,但是大多数的随机优化算法,包括粒子群优化算法、差分进化算法和遗传算法都会遭受“维数灾难”,随着搜索空间维数的增加,算法的性能急剧退化。因此,与拓扑结构简单的低维问题相比,大规模问题的全局最优解是很难找到的。综上所述,本文在动态多种群粒子群优化算法中引入协同进化策略来求解大规模优化问题。首先,本文介绍了大规模优化问题的研究背景及意义,介绍了进化算法在大规模优化领域的研究现状。重点讲述了粒子群优化算法在大规模问题中的应用,并介绍了粒子群优化算法的特点。随后又简述了近些年来粒子群优化算法的发展历程和研究方向。同时介绍了一些大规模优化问题的解决方案,为算法对比提供了基础。其次,介绍了大规模优化算法的基准测试函数,说明这些函数的性质,表现出大规模问题的特点。接着,提出了高维空间中的种群初始化方法。主要通过与基本的随机数生成器的初始化结果进行对比,说明在大规模优化问题中,不同初始化方法的不同作用。使算法的种群在决策空间中分布更加均匀,使算法避免陷入局部最优解。最后,针对大规模优化问题的特点,提出多种群动态的协同进化算法,重点讨论了该算法的特点、以及算法中涉及到的策略调整等。使用动态粒子群优化算法来解决具有大量决策变量的优化问题。通过与近些年提出的几个大规模进化算法的对比试验,验证算法的有效性。