双层规划涉及两个具有递阶嵌套结构的最优化问题,它们分别处在不同的层次上,上层优化问题的约束域由下层优化问题隐式确定,优化以上层目标为主,但下层目标关于下层变量必须达到最优.由于问题的递阶结构,往往需要频繁计算下层问题,这会累计很大的计算量,因此,目前大部分研究仅仅针对线性、二次等特殊双层规划.为了解决现有研究的不足,本文针对一般类型的双层规划问题,以减少下层计算量为目的,结合问题特点,设计了基于近似解技术的进化算法,有效地提高了一般类型双层规划问题的求解效率,具体工作如下:针对一般类型的非线性双层规划,提出了一种基于下层解近似技术的进化算法.首先,采用多种群协同进化机制,分别利用交叉和变异算子平衡算法的开采和勘探能力;其次,基于灵敏度分析理论,设计了新个体的近似评价方式;此外,根据预先设定的近似度阈值,选择部分个体进行适应度更新,从而避免了大量的下层优化程序.最后,在广泛采用的算例上测试算法性能并与同类算法比较,结果显示,本文算法获得了更好的解.交通网络资费设置问题的优化模型通常可表示为一个双层规划模型,该模型的计算难点在于下层是一个整数规划问题,常用的递阶优化技术很难有效求解这类问题.为了克服这个困难,通过结合进化算法和下层整数解近似技术,给出了一个求解资费设置问题的新优化方法.首先,针对上层变量产生的大量后代个体,通过求解松弛问题和一个构造的0-1规划问题,获得下层问题的近似整数解;其次,评估后代的适应度值,并根据适应度值设定的标准来更新部分后代的下层最优解,该方法有效减少了下层问题的求解次数;除此之外,在交叉算子的设计中使用了较好个体的信息,期望产生潜在的优质后代.最后,在两个交通网络中的10个算例上测试了算法的性能,实验结果表明本文算法能获得更好的资费收益.