论文部分内容阅读
近年来，随着智能优化，智能计算的发展，混合进化算法以其全局搜索能力强、算法性能高等优点受到越来越多学者的关注。本文首先对混合进化算法的原理、机制、算法流程、框架及应用等进行了详尽的阐述，并在此基础上，重点研究了基于人工免疫与文化算法相结合的IMA算法的性能和工程应用以及混合进化算法框架本身对算法的影响。
本论文的主要内容和研究成果总结如下：
第一，提出了一种基于人工免疫与文化算法相结合的IMA算法，通过典型测试函数验证了IMA算法的性能，并将IMA算法应用于求解有限缓冲区调度的问题。该算法将免疫算法纳入文化算法的框架，组成基于免疫算法的群体空间和信念空间，两个空间具有各自群体并独立并行演化。下层群体空间定期贡献精英个体给上层信念空间，上层信念空间经演化后，定期贡献精英个体给下层群体空间，于是形成“双演化双促进”机制，从而实现增加抗体的多样性。通过比较结果显示该算法较传统的群体智能优化算法具有更好的性能，IMA对求解有限缓冲区流水线的工程应用问题具有良好的效果。
第二，为了进一步论证MA算法框架本身对算法带来的性能提升，在对MA算法框架研究的基础上，本文将遗传算法融入到MA算法框架中，形成GMA算法来求解资源受限多订单选择计划模型的决策问题。通过利用启发式规则生成初始染色体；利用遗传算法的各种操作对各个空间进行进化操作，再通过带有启发式的变异操作使算法更好得找到全局最优解。在相同参数的数值实验中，GMA算法体现出了比基本GA算法更好的全局搜索能力和更强的算法稳健性，以及对求解该问题的有效性。也从另一个角度证明了MA算法的框架结构有效性。