求解組合優(yōu)化問(wèn)題的混合蛙跳算法的研究.pdf

1、群體智能算法是一種高效的優(yōu)化算法。由單個(gè)結(jié)構(gòu)復(fù)雜的個(gè)體所完成的任務(wù)可由大量結(jié)構(gòu)簡(jiǎn)單的個(gè)體所組成的群體合作來(lái)完成,并且后者往往更具有健壯性、靈活性和經(jīng)濟(jì)上的優(yōu)勢(shì)。在無(wú)集中控制且不提供全局模型的前提下,群體智能算法為解決組合優(yōu)化問(wèn)題提供了一種新對(duì)策。
　　混合蛙跳算法是一種新興的群體智能算法。目前,利用混合蛙跳算法求解組合優(yōu)化問(wèn)題的相關(guān)成果不多見(jiàn)。本文對(duì)于如何利用混合蛙跳算法求解組合優(yōu)化問(wèn)題進(jìn)行了探討。主要研究成果如下:
　　首

2、先,傳統(tǒng)的混合蛙跳算法是通過(guò)全局最優(yōu)解和當(dāng)前子種群的局部最優(yōu)解對(duì)子種群中的最差個(gè)體施加影響,這種優(yōu)化方式是對(duì)子種群中的單一個(gè)體施加影響。在第三章中,本文提出了一種利用全局最優(yōu)解“指導(dǎo)”每個(gè)子種群整體向前進(jìn)化的策略。與傳統(tǒng)的混合蛙跳算法不同,這種子種群進(jìn)化策略可以同時(shí)作用于多個(gè)個(gè)體,是一種并行爬山的進(jìn)化方式。隨著城市數(shù)量的增加,常見(jiàn)的演化算法容易陷入局部極值的陷阱,無(wú)法搜索到全局最優(yōu)路徑。由于將郭濤算法和混合蛙跳算法的優(yōu)點(diǎn)進(jìn)行了有機(jī)的結(jié)合

3、,“當(dāng)前最優(yōu)解作用于整個(gè)子種群”的混合蛙跳算法在求解TSP問(wèn)題時(shí)表現(xiàn)出了良好的性能,能夠以極小的時(shí)間代價(jià)搜索到用戶(hù)的滿(mǎn)意解。
　　其次,傳統(tǒng)的混合蛙跳算法是通過(guò)全局最優(yōu)解和當(dāng)前子種群的局部最優(yōu)解“吸引”每個(gè)子種群中的最差青蛙。通過(guò)這種“吸引”的作用,這兩個(gè)個(gè)體指導(dǎo)了最差青蛙的進(jìn)化方向。與傳統(tǒng)的混合蛙跳算法不同,本文利用子種群中的其它個(gè)體對(duì)最差的個(gè)體的“排斥”作用來(lái)指導(dǎo)最差青蛙的進(jìn)化方向。第四章中,本文利用“排斥最差個(gè)體”的混合蛙跳