论文部分内容阅读
本学位论文针对优化问题求解过程中存在的收敛速度与局部极小的两难问题，对智能优化算法的内在机理、优化策略、流程、参数和操作进行了深入的系统分析，总结了不同应用场合各种算法的优缺点，改进了智能算法求解组合优化问题和函数优化问题的离散与连续寻优设计方案；归纳了智能全局优化算法和局部搜索算法的一般规律和互补规律，首次对智能优化算法进行了系统集成，得到现代启发式全局邻域智能优化集成算法IMHGNIOA(Integrated Meta-Heuristic Global Neighborhood Intelligent Optimization Algorithms)，并给出其一般结构和要素设计原则，建立了该算法的性能指标评价体系。经过对不同算法的具体集成和典型算例的数值实验，说明IMHGNIOA类算法能够高效率地获得全局最优解，是一种有效的智能优化集成算法，同时也验证了本文集成方法的正确性。 本论文所做的主要工作是： 1．分别对模拟退火算法SA、遗传算法GA、禁忌搜索算法TSA和蚁群算法ACA等的内在机理、优化策略、流程、参数和操作进行了系统分析，比较了它们在求解不同优化问题时的优缺点，改进了这些算法求解组合优化问题和函数优化问题的离散与连续寻优设计方案，还研究了禁忌搜索算法的收敛性和并行模拟退火算法PSA、并行遗传算法PGA。该部分内容的研究，不但为后续部分进行智能优化算法的系统集成打下了厚实的理论基础、提供了详实的设计经验和丰富的技术素材，还对现有智能算法做了一些有益的改进工作，并且探讨了提高智能优化算法性能的并行化途径。 2．智能优化算法的系统集成。以“从定性到定量的综合集成”的系统思想为方法论，根据对智能优化算法的分析结果，提炼出智能优化算法在结构上的一般模式和本质上的共同机制，综合运用所掌握的系统、智能、优化、复杂性等方面的知识和技术手段，首次提出了智能优化算法系统集成的概念，并进一步针对优化问题求解过程中存在的收敛速度与局部极小的两难问题，设计了一类先进智能优化算法集成的统一结构(包括规范流程)——现代启发式全局邻域智能优化集成算法IMHGNIOA框架。IMHGNIOA统一框架的建立，使得智能优化算法得以实现真正意义上的系统集成，为算法之间的互补和增效开辟了有机结合的新途径，而且为智能优化算法集成的实际操作提供了具有高适用性的规范流程。 3．在IMHGNIOA的统一框架下，实际设计了多种智能集成算法：GASA、IGA以及MA等，通过这些集成算法求解TSP实例的数值仿真实验，得到明显优于其它算法的求解效率和求解质量，验证了在IMHGNIOA统一框架和规范流程下设计的优