动态环境下多目标优化免疫算法与其应用

动态环境下多目标优化免疫算法与其应用

ID:31934568

大小:1.73 MB

页数:39页

时间:2019-01-29

动态环境下多目标优化免疫算法与其应用_第1页
动态环境下多目标优化免疫算法与其应用_第2页
动态环境下多目标优化免疫算法与其应用_第3页
动态环境下多目标优化免疫算法与其应用_第4页
动态环境下多目标优化免疫算法与其应用_第5页
资源描述:

《动态环境下多目标优化免疫算法与其应用》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、与时间有关,而且往往具有多个相互冲突的目标,因而对智能优化技术提出了极高的要求。已有的优化方法在求解中极难呈现出算法的有效性和实时性,因此寻求适合解决此类问题的优化算法显得尤为重要。虽然大量改进的遗传算法(GA)已在动态环境优化领域得到了一定的应用,但其自身存在许多难以解决的问题(如早熟现象、随机漫游、控制参数的选择等),使得其对DEO问题的应用带来极大的不便以及存在难以克服的缺点,而基于生物免疫系统的免疫算法具有能克服遗传算法很多不足的优越性,为设计更高级的动态环境算法提供了新思路。为此,本文基于免疫学基本原理和一般免疫算法的基本框架【71,借鉴免疫系统的行

2、为特征及运行机制,针对动态环境下的两类多目标优化问题,即一类决策空间的维数随时间可变且不含等式和不等式约束的动态多目标优化问题和一类决策空间的维数随时间可变且含不等式、等式约束的动态多目标优化问题,分别设计具有自适应能力的动态多目标优化免疫算法,展开其应用研究,并给出评价准则,选择具有代表性的几种多目标优化算法参与比较,分析所提出的算法的行为特性。本研究丰富了免疫算法的研究内容,为免疫算法的算子设计提供了一定的新思路,对工程问题的解决具有重要现实意义。1.3动态环境下进化算法研究概况在进化算法(EA:EvolutionaryAlgorithm)领域,Fogel

3、[2s]在六十年代末期首次将进化算法用于动态环境优化问题的解决,此后直到八十年代初期以后,这方面的研究才开始被关注,迄今为止,已有大量的动态环境优化进化算法被提出,以下分别从动态环境下单目标进化算法和多目标进化算法两个方面概述其发展现状。1.3.1动态环境下单目标进化算法目前已出现了相当多的动态环境下单目标进化算法,它们主要是通过增加或改进基本遗传算法(SGA:SimpleGeneticAlgorithm)的一些算子而得到的,以下按其设计特点进行归类并作简要概述:1)增强群体多样性此类算法修改SGA中交叉或变异算子,目的是减小进化群体中个体的相似性,增强群体的

4、多样性,克服原有遗传算法易于出现局部最优的现象。譬如Cobb提出的摆动变异遗传算法(HMGA:TriggeredHypermutationGA)¨5】和SimSes提出的强化迁移遗传算法(ETGA:EnhancedTransformationGA)/3刀,前者根据当前环境群体平均最优性能自适应调整变异概率,此算法对于连续的目标函数优化闯题的跟踪效果较好,但不易于解决目标函数非连续的动态优化问题;后者模拟生物进化过程中外界病原体的DNA基因片段对体细胞的感染机制,利用基因块转移算子代替SGA中的交叉算子,此算法对于最优解呈周期变化的动态单目标优化问题有较好的跟踪

5、效果,且随内循环代数的增加,算法的性能相对提高,而对内循环代数较少或最优值是非周期变化的动态单目标优化问题,跟踪效果较差。2)保持群体多样性此类算法依靠增加一些机制(如迁移、共享等机制)来维持群体多样性,增强算法在新环境的跟踪能力,避免算法陷入局部搜索。譬如:继算法HMGA提出后,Orefenstette针对HMGA2对求解某些特殊动态特性的优化问题的局限性,提出了随机迁移遗传算法(RIGA:RandomImmigrantsGA)【30】,此算法依靠插入少量随机个体来维持群体的多样性,但插入的个体数目在算法中往往很难确定。若插入的个体数过少,则很难提高算法对新

6、环境的搜索性能;若插入的个体数过多,则会使算法陷入随机漫游,即相当于对整个群体重新评价,消耗算法较多的评价时间,降低算法的收敛速度。另外,Cedefio【l6】在SGA中引入共享和拥挤机制保持群体多样性,其对动态环境下多模态优化问题的跟踪效果较好,然而,由于该算法中的共享半径及拥挤因子要人为地预先确定,较难确定其最佳设置,因而制约着算法性能的发挥。还有,Ara96n[9】将迁移和超变异机制组合,设计了一种适用于动态环境优化的GA,为动态环境优化问题建立了一种初步研究框架,虽然其对所测试问题的搜索效果较好,但算子模块的设计未能体现算法的自适应性,只是将各算子的简

7、单组合,故其需要大量的测试问题作进一步验证。3)记忆法此类算法通过增加记忆模块保存已有环境的较好信息,每进入二个新环境,算法都将其保存的信息直接传递给该环境,从而加速新环境的寻优速度。Branke[¨l综述了各种记忆的方法,①显记忆法:显记忆法突出的特点是设计专门的存储模块保存较好个体,当算法进入下一环境时,被保存的个体直接插入新环境的初始群中,从而加快算法的收敛速度,比如Bendtscn等提出的动态记忆GA∞MGA:Dynamicmemorygeneticalgorithm)03J和Yangt42】将记忆和随机迁移算子组合而获得的记忆增强GA等算法,此类算法

8、对最优值呈周期变化的优化问题有较好的环

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。