基于连续域贝叶斯优化算法求解约束优化问题

将连续域贝叶斯优化算法(rBOA)与约束处理技术相结合,用于求解约束优化问题,其主要思想是利用约束条件影响优秀个体的选取,并间接影响概率模型,使之引导群体产生满足约束条件的子代个体,从而求得满足约束条件的最优解.将rBOA与4种不同的约束处理技术结合起来,并测试了其优化性能,实验结果表明rBOA与多目标优化法结合相比另外3种方法具有最好的优化效果,但其优化效果仍有待改进.     

求解复杂多目标优化问题MOEA/D-GEP算法

针对复杂多目标优化问题,提出一种基于演化建模的MOEA/D（基于分解的多目标遗传算法）求解算法（MOEA/D-GEP）.该算法利用MOEA/D算法思想分解多目标优化问题,对分解后得到的可行解用基于模拟退火的GEP算法建模,从中选取预测值较好的点进入下一次真实适应值的计算.采用国际公认的ZDT,DTLZ等测试函数进行实验验证,并与MOEA/D-EGO演化多目标优化算法进行了比较.实验结果表明：该算法在IGD性能指标上有较好的表现,说明将演化建模技术引入MOEA/D算法提高了种群个体分布模型的精度,降低了求解复杂多目标优化问题的计算成本.     

基于免疫机制的动态约束多目标优化免疫算法

该文针对一类决策空间维数可变且带约束条件的动态多目标优化问题,基于生物免疫系统的机理,提出一种结构简单、易于应用的动态约束多目标优化免疫算法.算法设计中,借助抗体识别功能,设计环境识别规则,加速相似环境的寻优过程;依据约束控制概念,设计挑选较好抗体的免疫选择操作;引入基于两级概率控制方案的两种不同的变异策略,进行抗体变异.借助三种性能评价指标,通过该算法与两种出众的算法比较,数值实验结果表明此算法能够获得满意的搜索效果以及具有较强的环境跟踪能力.     

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处，提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来；在全局搜索过程中，作为一种小生态遗传算法，排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和予代个体中的优胜者；在局部搜索过程中，首先对局部群体中的个体赋予Pareto强度，然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。     

改进蚁群算法求解多目标优化问题

针对传统蚁群算法在多目标优化问题中容易陷入局部最优的缺点,提出一种采用直接学习机制的改进蚁群算法。该算法通过采用模拟蚂蚁用触角交流信息过程的直接通信学习机制,用以改进信息素的更新规则,从而维持群体的多样性。通过两组多目标基准函数验证算法性能,仿真结果表明该算法所获得的Pareto解具有多样性以及均匀分布性,有效地提高了蚁群算法全局寻优的能力。     

一种求解多目标优化问题的混合演化算法

提出了一种混合演化算法求解多目标优化问题.演化算法是解决多目标优化问题的有效方法,在全局优化问题中具有很好的鲁棒性,但其局部搜索性能有待改善.Hooke and Jeeves方法是一经典的局部搜索算法,将其与演化算法结合求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性.     

基于分层环境选择策略的约束多目标优化算法

针对约束多目标优化问题(CMOPs)难以平衡约束条件和目标函数的不足,提出一种基于分层环境选择策略的约束多目标优化算法(CMOEA-HES).CMOEA-HES首先采用模拟二项式交叉(SBX)和差分进化(DE)算子分别产生各自的子代种群;然后通过第一层环境选择策略从两个子代种群中选出收敛性和多样性较好的个体;接着采用第二层环境选择机制在父代种群和第一层环境选择策略选出的个体中进行选择,在多样性和收敛性的基础上选出可行性较好的个体;最后将选出的个体作为下一代进化的种群．为验证CMOEA-HES的性能,将其与5种先进的约束多目标优化算法在两组典型的测试集上进行仿真计算,实验结果表明：CMOEA-HES在求解约束多目标优化问题上更具有竞争力．     

一种求解多目标优化问题的协同演化算法

提出了一种求解多目标优化问题的协同演化算法.新算法改进了Kwee-Bo的协同演化的思想,将混合策略演化规划用于协同演化过程中,混合策略指导算法有效搜索过程,两个种群协同优化目标函数.标准测试函数的数值实验验证了新算法的有效性.     

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化.与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中.算例表明,该算法是有效的.     

多目标优化问题中一种改进的遗传算法

遗传算法作为一种随机优化算法在多目标优化等众多领域取得广泛的应用,针对基本遗传算法存在寻优速度较慢,存在“封闭竞争”等问题,利用生物界中存在的“杂交”优势原理,提出以多种群变异为基础解决以上问题的改进遗传算法,并通过仿真取得满意的效果。     

一类多目标优化问题弱有效解的优界数列法

引进了求解一类多目标优化问题弱有效解的优界数列方法,给出了这种优界数列的构造法及相应的算法。算例表明,优界数列法是非常有效和可靠的方法,而且适用范围也较广泛。     

一类带不连续约束优化问题的研究及应用

带不连续约束的非线性优化问题在描述许多工程、经济管理问题时有着广泛的应用,而对这类问题的求解比较复杂.针对约束含跳跃间断点的优化问题进行研究,首先通过连续延拓来构造连续函数,然后通过引入逻辑变量,建立了此类问题的混合整数优化模型.作为模型的应用,给出了一个计算实例.     

任务分区及工位约束下装配线第二类平衡研究

装配线平衡直接影响产品产量,也是在装配线布局初始或重构时所必须面临的问题.针对第二类装配线平衡问题(ALBP-2),构建了一种考虑优先关系约束、任务分区约束和工位约束的多目标优化模型.为提高模型求解效率,采用逐步缩小节拍搜索范围的动态步长方法,提出基于自动机回溯算法的改进粒子群算法,提高了任务分配合理性,快速搜索出具有最小节拍和负载平滑系数的任务分配方案.引入任务分配矩阵表示每个工位上的任务分配情况,使结果描述更加明确.通过案例分析验证了所提模型和方法的有效性.     

一种改进的非支配排序遗传算法INSGA

为克服非支配排序遗传算法（NSGA）存在的计算复杂度高，未采用精英策略以及需要特别指定共享半径等特点，介绍一种改进的算法INSGA，克服了上述缺点，并通过实验验证，在几个给定的函数优化问题上都取得了比较好的结果。     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

基于后悔函数的多目标优化决策问题研究

研究多目标优化决策问题.针对目标之间常常相互制约、决策者需要进行反复权衡的问题,通过定义后悔值并设计基于后悔函数的目标函数,在进行多目标优化时,可以定量地表示决策者对各个目标的重视程度.仿真实验结果表明,在多目标优化问题中,基于后悔函数的目标函数具有很好的通用性.与传统方法的对比表明,后悔函数法避免了权重难以定量描述,需要反复试凑的问题,且具有较好的逼近多目标理想值的能力,优化结果能直接反映决策者初衷,并且易于针对不同问题进行改进.     

等式约束非线性最优化问题的一个降维算法

本文利用等式约束问题K-T点的一个充分条件,按照最小二乘法将等式约束问题转化为无约束最优化问题,从而提出了一个等式约束最优化问题的降维算法.     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少1667%,并具有很高的稳定性.