求解动态优化问题的遗传算法的研究与实现

《求解动态优化问题的遗传算法的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、AThesisSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterRESEARCHANDREALIZATIONOFTHEGENETICALGORITHMFORDYNAMICOPTIMIZATIONPROBLEMSAuthor：WangFengfengSpecialty:ControlTheoryandControlEngineeringAdvisor:Asso.Prof.WengZhengxinSchoolofElectronicsandElectricEngineeringShanghaiJiaoTongUniversity

2、Shanghai,P.R.ChinaFeb,2010II求解动态优化问题的遗传算法的研究与实现摘要动态优化问题存在于当前各行各业中。一般动态优化问题的最优解会因为目标函数、环境参数或者约束条件的变化而随时发生变化，使生产调度等遭遇到相应的问题与损失。本文基于已经比较成熟的遗传算法提出了新的算法。目的就是要让该算法能随着上述条件的变化快速有效地找到待求问题的最优解，并且在实际应用中减少上述变化所带来的损失。本文的主要工作包括以下几个方面：1.本文对动态环境中的各种进化计算方法进行了详细地介绍。阐述了动态优化问题的研究要素和目前进化算法求解动态优化问题的研究进展与策略。2.介绍了遗传算法的思

3、想，并且讨论了遗传算法的原理、理论基础以及相应的技术实现。遗传算法是一种稳健性较强的进化算法。3.针对传统遗传算法求解动态优化问题面临的挑战：多样性缺失，对求解动态优化问题的原对偶遗传算法（Primal-DualGA,PDGA）进行研究，提出了一种新的自适应的双概率原对偶遗传算法，并通过测试表明所提算法比原始PDGA有较好的性能。4.针对动态背包问题提出了一种基于贪婪近似法的遗传算法，通过仿真结果进一步证明了本文所提出的基于贪婪近似法的双概率原对偶遗传算法求解动态优化问题能力。关键词：动态优化，遗传算法，贪婪近似法，背包问题VRESEARCHANDREALIZATIONOFTHEGENE

4、TICALGORITHMFORDYNAMICOPTIMIZATIONPROBLEMSABSTRACTDynamicoptimizationproblemsexistinallkindofworkinmodernworld.Commonly,theoptimalsolutionofdynamicoptimizationproblemswillchangeatanytimebecauseofthechangeofobjectivefunctions,environmentalparametersandconstraintconditions.Itmakesfactoriesencounter

5、alotofproblemsandlossesinproductionschedulingandotherworkareas.Inordertoredusethelossesandtrackthemovingoptimalsolutionquicklyandefficientlywhichisaffectedbytheabovereasons，thisthesisproposesanewalgorithmwhichisbasedonamaturealgorithm-geneticalgorithm.Themaintasksarethefollowingfouraspectsinthist

6、hesis:1.Giveaspecificdescriptionofdifferentevolutionaryalgorithmsindynamicenvironment.Elaborateontheelementsofdynamicoptimizationproblems.Describethereseachprogressandstrategyofevolutionaryalgorithmfordynamicoptimizationproblems.2.Introducetheideaofgeneticalgorithmandmakefurtherstudyofitsbasicpr

7、inciple,theoreticalbasisandtechnologyimplementation.Geneticalgorithmisarobustevolutionaryalgorithm.3.ResearchonthePrimal-Dualgeneticalgorithm(PDGA)andproposeanewadaptivelyalgorithm,duetotheshortcomingoftraditionalgenet