[發明專利]一種基于進化優化算法的有約束問題優化方法

無效

• 申請號: 201110253907.5
• 申請日: 2011-08-31
• 公開（公告）號: CN102289713A
• 公開（公告）日: 2011-12-21
• 發明（設計）人: 李紹軍;桑志祥;董躍華;張杰;楊玉和;李洪濤;趙晶瑩
• 申請（專利權）人: 華東理工大學
• 主分類號: G06N3/00
• 分類號: G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于進化優化算法的有約束問題的優化方法，其特征在于：所述優化方法是一種基于自適應懲罰函數法的群智能進化算法，設優化的目標函數為：

minf(x)????????(1)

hj(x)=0,j=1,2...,ngi(x)≤0,i=1,2,...,m---(2)]]>

該群智能進化算法包括如下步驟：

(1)確定進化優化算法的種群大小M，優化問題的目標以及算法的最大迭代次數N，隨機產生初始種群；

(2)根據約束問題的目標函數以及約束條件，計算種群中每個個體的目標函數值，以及每個個體違反不同約束條件的程度；

(3)計算整個種群中所有個體的目標函數值f(x)之和，分別計算整個種群中所有個體的違反不同約束條件的程度之和；

(4)根據目標函數值之和與每個約束條件的違反程度之和確定不同約束條件的懲罰因子；

(5)統計種群中所有個體滿足不同約束條件的比例，根據該比例對步驟(4)得到的懲罰因子進行修正；

(6)采用懲罰函數法修正目標函數，懲罰因子為步驟(5)中經修正后的懲罰因子，計算每個個體的函數值，從中選擇最好的個體；

(7)判斷最好個體的目標值是否達到優化目標，如果達到目標計算結束，否則迭代次數加1，根據進化優化算法進行一次迭代，返回步驟(2)。

2.根據權利要求1所述的有約束問題的優化方法，其特征在于，所述的進化優化方法可以是遺傳算法、粒子群優化算法、差分進化算法、蟻群優化算法、免疫優化算法等各類基于群計算的進化優化算法。

3.根據權利要求1所述的有約束優化問題方法，其特征在于，有約束的優化問題采用懲罰函數的方法，懲罰因子自適應實現。

4.根據權利要求3所述的懲罰因子自適應實現方法，其特征在于，懲罰因子自適應實現是通過種群中所有個體違反約束的個數以及違反程度共同作用實現的。

5.根據權利要求4所述的懲罰因子的自適應實現方法，其特征在于，對應小于零的不等式約束條件，如果個體滿足約束，則設該個體違反相應約束的程度為0，否則違反約束的程度為g_i(x)；對應等式約束，如果滿足約束條件，則設個體違反約束的程度為0，否則設個體違反約束的程度為|h_j(x)|。

6.根據權利要求1和權力要求5所述的自適應懲罰因子設定方法，其特征在于，計算種群中所有個體的目標函數值之和的絕對值|SF|，以及每個約束的違反程度之和SS(k)，k＝1，…，n，n+1，…，n+m，每個約束的懲罰因子為|SF|/SS(k)。

7.根據權利要求1所述的方法，其特征在于，除計算種群中違反約束的程度，還計算種群中滿足約束的比例，根據該比例修正權利要求6所述的懲罰因子，假設種群中滿足約束k的個體數為MK(k)，則對于該約束的懲罰因子修正為這里的a可以取2～10中的實數。