[发明专利]一种基于可行均衡机制的约束优化进化算法无效
申请号: | 201210078106.4 | 申请日: | 2012-03-22 |
公开(公告)号: | CN102663514A | 公开(公告)日: | 2012-09-12 |
发明(设计)人: | 黄亚飞;曾喆昭 | 申请(专利权)人: | 长沙理工大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 410004 湖南省*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 可行 均衡 机制 约束 优化 进化 算法 | ||
1.一种求解约束优化问题的基于可行均衡机制的约束优化进化算法,其特征在于:所述算法是以种群可行性均衡机制为约束处理技术、以智能进化算法为目标函数寻优方法的约束优化进化算法,所述约束优化问题的形式如下:
式中X=[x1, x2,…, xn]为自变量向量,f(X)为目标函数,gj(X)为不等式约束,hj(X)为等式约束,ui和li是自变量xi的上、下界;该约束优化进化算法包括如下步骤:
1) 初始化:确定种群规模N和算法参数的初始值,设迭代次数t为0,在搜索空间中随机生成初始种群P(t)={xk|k=1,2,…,N};
2) 进化操作:利用交叉算子和变异算子对P(t)中的个体实施进化操作,得到M个个体构成过渡种群;
3) 评价个体:计算P(t)与过渡种群构成的混合种群中所有N+M个体的目标函数值f(xk)和约束违反度(xk);
4) 生成下一代种群:依据可行均衡机制从混合种群中选择N个个体构成下一代种群P(t+1);
5) 终止判断:如果P(t+1)中最好个体的目标函数值达到期望值或者t超过设定的最大次数,则输出最优解并结束算法,否则t加1并返回步骤2)。
2.根据权利要求1所述的约束优化进化算法,其特征在于:所述进化算法是遗传算法、粒子群算法、差异进化算法、进化策略、进化规划、文化算法等智能算法以及它们的改进算法中的一种。
3.根据权利要求1所述的约束优化进化算法,其特征在于:所述步骤3)中约束违反度(xk)按以下两式其中之一计算:
式中为等式约束容忍值。
4.根据权利要求1所述的约束优化进化算法,其特征在于:所述步骤4)中可行均衡机制是根据混合种群中的可行解比例将种群分为三类,分别为可行种群(=1)、不可行种群(=0)和半可行种群(0<<1)。
5.根据权利要求1所述的约束优化进化算法,其特征在于:所述步骤4)中依据可行均衡机制选择个体分三种情况进行:如果混合种群是可行种群,则按目标函数值f(xk)从小到大排序选择前N个个体;如果混合种群是不可行种群,则按约束违反度(xk)从小到大排序选择前N/2个个体,另外N/2个个体从其他未被选择的个体中随机选取;如果混合种群是半可行种群,则按f(xk)与(xk)的归一化均衡值F(xk)从小到大排序选择前N个个体:
式中为上一代种群中的可行解比例。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙理工大学,未经长沙理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201210078106.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种制备教学模型飞机螺旋桨的材料
- 下一篇:挂线钩
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理