專利名稱：一種基于可行均衡機制的約束優化進化算法的制作方法
技術領域：
本發明屬于智能科學與技術領域，涉及一種基于可行均衡機制的約束優化進化算法。
背景技術：
工程應用和科學研究中許多問題都可以轉化為一個帶約束條件的函數優化問題，這類約束優化問題通常具有線性/非線性 、等式/不等式約束條件、多模目標函數和凹可行域等特征，給問題的求解帶來了困難。傳統的約束優化方法通常是基于梯度的搜索算法，包括可行方向法、即約梯度法、懲罰函數法、拉格朗日乘子法和序列二次規劃法等，雖然這些方法具有收斂速度較快、數學理論完善等優點，但是計算開銷較高且極易陷入局部最優、求解時需設置很好的初始點并且需要函數的梯度信息，故在應用中受到很大限制。近十幾年來，利用進化算法求解約束優化問題越來越受到研究人員的重視。進化算法首先對問題的尋優變量給出一種編碼方案，然后從一組初始點搜索；在搜索過程中用到的是目標函數值的信息，不需要目標函數的導數信息和與具體問題有關的特殊知識，因而進化算法具有廣泛的適用性、較高的靈活性和可并行性，能有效地處理傳統優化方法難以解決的復雜問題。自I960年以來，進化算法已經發展出多種不同的形式，包括遺傳算法、蟻群算法、粒子群算法、免疫算法、差異進化算法、進化策略、進化規劃、文化算法等，雖然進化算法有很多的變化形式，有不同的基因編碼方式及交叉、變異算子，但利用進化論思想和立足于主要解決優化問題這兩個方面沒有變，更本質的一點，它們都是無約束的優化方法，在求解約束優化問題時需要額外的約束處理技術。現有約束優化進化算法中的約束處理技術包括懲罰函數法、多目標法和其他方法，但都存在一定缺陷懲罰函數法是借助懲罰函數將有約束問題轉化為無約束問題，并利用進化算法進行帶懲罰項的函數優化，該方法的缺點是很難設置合適的懲罰因子；多目標法是將單目標優化問題轉化為多目標優化問題后再用進化算法進行求解，這種方法會導致算法變得復雜、計算量增大；其他方法，如投影法、同態映射法和增廣拉格朗日法等，要么通用性欠佳要么優化性能較差。約束優化問題的搜索空間由可行域和不可行域組成，求解時不但要考慮目標函數值大小還要判斷解是否可行，研究者已經意識到不可行解的利用對尋找全局最優解(特別是可行域邊界附近的最優解)很重要，為緩解目標函數最小化和解的可行性之間的矛盾，有必要在問題求解過程中實現目標函數與約束違反度之間合理的均衡。

發明內容
為克服已有傳統約束優化方法的不足，解決現有約束優化進化算法存在的復雜度高、優化性能低和通用性差的技術問題，本發明從“約束優化進化算法=約束處理技術+進化算法”的框架出發，提出一種基于可行均衡機制的約束優化進化算法，在原進化算法結構流程保持不變的前提下，增加依據種群可行解比例采用不同個體選擇機制的環節，自適應地實現迭代種群中可行解與不可行解之間的多樣均衡。新方法融合了原進化算法的靈活適用性和約束處理技術的高效通用性，可不受約束優化問題性質的限制并有助于提高數值解的精度。為實現本發明目的，采用的技術方案如下
一種求解約束優化問題的基于可行均衡機制的約束優化進化算法，該算法以種群可行性均衡機制為約束處理技術、以智能進化算法為目標函數尋優方法，待求解的約束優化問題的形式如下
權利要求
1.一種求解約束優化問題的基于可行均衡機制的約束優化進化算法，其特征在于所述算法是以種群可行性均衡機制為約束處理技術、以智能進化算法為目標函數尋優方法的約束優化進化算法，所述約束優化問題的形式如下
2.根據權利要求I所述的約束優化進化算法，其特征在于所述進化算法是遺傳算法、粒子群算法、差異進化算法、進化策略、進化規劃、文化算法等智能算法以及它們的改進算法中的一種。
3.根據權利要求I所述的約束優化進化算法，其特征在于所述步驟3)中約束違反度-( )按以下兩式其中之一計算
4.根據權利要求I所述的約束優化進化算法，其特征在于所述步驟4)中可行均衡機制是根據混合種群中的可行解比例《將種群分為三類，分別為可行種群(《 =1)、不可行種群(《 =0)和半可行種群(0〈《 <丄)。
5.根據權利要求I所述的約束優化進化算法，其特征在于所述步驟4)中依據可行均衡機制選擇個體分三種情況進行如果混合種群是可行種群，則按目標函數值/CO從小到大排序選擇前N個個體；如果混合種群是不可行種群，則按約束違反度Cri)從小到大排序選擇前Ν/2個個體，另外Ν/2個個體從其他未被選擇的個體中隨機選取；如果混合種群是半可行種群，則按/CO與· U,)的歸一化均衡值ACri)從小到大排序選擇前N個個體
全文摘要
本發明公開一種基于可行均衡機制的約束優化進化算法，屬于智能科學與技術領域。針對約束優化問題，該方法以種群可行性均衡機制為約束條件的處理技術、以智能進化算法為目標函數的尋優技術，在迭代過程中，利用交叉和變異算子對個體實施進化操作，根據當前種群的可行解比例將其分為可行種群、不可行種群和半可行種群，相應地分別按目標函數值、約束違反度和歸一化均衡值選擇進入下一代的個體，維持種群中可行解和不可行解的多樣均衡，引導算法向搜索空間中的可行域內部及邊界上的全局最優解逼近。本發明的方法不受約束問題線性性、可導性和連續性等性質的限制，優化效率高，適用性強，可有效處理傳統約束優化算法難以解決的復雜問題。
文檔編號G06Q10/04GK102663514SQ20121007810
公開日2012年9月12日 申請日期2012年3月22日 優先權日2012年3月22日
發明者曾喆昭, 黃亞飛 申請人:長沙理工大學