论文部分内容阅读
随着科技的发展，现实中的优化问题越来越复杂，采用传统优化方法已难以进行有效求解，故而迫切需要探索一些高效的智能优化方法。受自然界中某些现象或过程的启发，研究人员提出了多种演化算法(Evolutionary Algorithms，EAs)范例，为复杂优化问题的求解提供了新的途径。然而，随着迭代的进行，演化算法的种群多样性难以维持，从而易导致全局勘探与局部搜索的失衡。此外，在求解不同类型的优化问题时，演化算法的适应性往往较差。有鉴于此，本文从多个角度出发分析和探索演化算法在求解连续优化问题时的多样性与自适应性增强技术。具体针对布谷鸟搜索(Cuckoo Search，CS)算法，主要从控制参数的自适应调整、多算子集成搜索以及个体引导机制等方面展开研究。
本文的研究工作包括以下几个方面：
1．借鉴多算子集成搜索以及参数自适应思想，提出了一种修正的布谷鸟搜索(Modified CS，MCS)算法。首先，采用一种增强型勘探策略，拓展了个体的搜索空间。其次，根据上次迭代过程中个体趋向于最优解的百分比，自适应地调整步长因子和发现概率，增强了算法面向不同优化问题的适应性。此外，采用变异策略来进一步缓解早熟收敛，并在偏好随机游走中引入全局最优解信息，以提高算法的局部搜索能力以及收敛速度。最后，为评估该算法的有效性，对23个基准测试函数以及1个工程应用实例进行仿真实验。数值结果表明，与其它5种同类的演化算法相比，所提方法具有良好的优化性能。
2．为有效平衡勘探与开发特性，借鉴多策略的并行搜索机制，提出了一种具有多个更新规则的布谷鸟搜索算法，简记为混合CS(Hybrid CS，HCS)算法。首先，为了克服个体的维间干扰并增强算法的局部搜索能力，将2种具有不同搜索特性的一维更新规则引入到布谷鸟搜索模型中。其次，鉴于莱维飞行具有偶尔长跳跃特性，将一维更新规则与莱维飞行组合起来产生新的候选解，强化了算法的勘探性能。同时，设置一个极限值以实现不同策略之间的正确选取。最后，在49个基准测试函数上，分别对30维和50维2种情况开展实验研究。仿真结果表明，所提方法在求解精度以及鲁棒性方面优于其它几种布谷鸟搜索算法，并与另外7种先进的演化算法相比，同样具有竞争力。
3．“没有免费的午餐”理论证明了不存在一种算法适用于求解所有的优化问题。此外，不同算法可能具有不同的搜索特性，并适用于求解不同类型的问题。为此，提出一种集成的布谷鸟搜索变体(Ensemble CS variant,ECSV)。首先，构建一个由3种不同的布谷鸟搜索算法所组成的候选池。其次，根据先前迭代过程中产生改进解的经验，采用一种自适应方案来确定每种布谷鸟搜索算法被选中的概率。再次，引入一个外部存档以存储在选择阶段被丢弃的解，并从当前种群和该外部存档的并集中选取随机解来生成新的个体。最后，在42个基准测试函数上进行性能评估。实验结果表明，与其它7种布谷鸟搜索算法以及几种著名的演化算法相比，所提算法是一种具有竞争力的方法。
4．在求解不同类型的优化问题时，利用体现演化种群特性的反馈信息是提高计算效率的重要手段之一。为此，提出了一种基于动态反馈信息的布谷鸟搜索(CS with dynamic feedback information,DFCS)算法。根据反馈控制原理，将适应度值和解的改进率等作为体现种群特性的反馈信息，以对算法参数进行动态调整。首先，依据个体的适应度值，将当前种群动态划分为3个子群，并采用基于云模型的方案来产生适宜的步长因子。其次，引入双演化策略以进一步实现勘探与开发之间的有效平衡，并根据解的改进率来动态调整这两种策略之间的切换概率。最后，采用42个基准函数对算法性能进行测试。仿真实验结果表明，所提算法在维护多样性以及增强自适应性方面具有一定优势。
5．针对布谷鸟搜索算法在水电机组故障诊断中的应用开展研究。首先，构建了一种改进的布谷鸟搜索(Improved CS,ICS)算法。具体方案为：对偏好随机游走进行修正以充分利用当前解的邻域信息，随之将步长因子、发现概率以及刻度因子直接融入到最优解的搜索过程中，并由解的质量自动选取适宜的参数值；利用非均匀变异操作对当前最优解的搜索步长进行动态调整，以进一步提高算法的寻优精度；以20个基准函数为测试平台，对所提算法的性能进行验证分析。然后，根据所获取的水电机组振动故障样本数据，将所提算法与BP神经网络相结合，构建了一种组合模型并对水电机组的振动故障进行诊断。在验证该模型分类性能的同时，丰富了布谷鸟搜索算法的应用领域。
本文的研究工作包括以下几个方面：
1．借鉴多算子集成搜索以及参数自适应思想，提出了一种修正的布谷鸟搜索(Modified CS，MCS)算法。首先，采用一种增强型勘探策略，拓展了个体的搜索空间。其次，根据上次迭代过程中个体趋向于最优解的百分比，自适应地调整步长因子和发现概率，增强了算法面向不同优化问题的适应性。此外，采用变异策略来进一步缓解早熟收敛，并在偏好随机游走中引入全局最优解信息，以提高算法的局部搜索能力以及收敛速度。最后，为评估该算法的有效性，对23个基准测试函数以及1个工程应用实例进行仿真实验。数值结果表明，与其它5种同类的演化算法相比，所提方法具有良好的优化性能。
2．为有效平衡勘探与开发特性，借鉴多策略的并行搜索机制，提出了一种具有多个更新规则的布谷鸟搜索算法，简记为混合CS(Hybrid CS，HCS)算法。首先，为了克服个体的维间干扰并增强算法的局部搜索能力，将2种具有不同搜索特性的一维更新规则引入到布谷鸟搜索模型中。其次，鉴于莱维飞行具有偶尔长跳跃特性，将一维更新规则与莱维飞行组合起来产生新的候选解，强化了算法的勘探性能。同时，设置一个极限值以实现不同策略之间的正确选取。最后，在49个基准测试函数上，分别对30维和50维2种情况开展实验研究。仿真结果表明，所提方法在求解精度以及鲁棒性方面优于其它几种布谷鸟搜索算法，并与另外7种先进的演化算法相比，同样具有竞争力。
3．“没有免费的午餐”理论证明了不存在一种算法适用于求解所有的优化问题。此外，不同算法可能具有不同的搜索特性，并适用于求解不同类型的问题。为此，提出一种集成的布谷鸟搜索变体(Ensemble CS variant,ECSV)。首先，构建一个由3种不同的布谷鸟搜索算法所组成的候选池。其次，根据先前迭代过程中产生改进解的经验，采用一种自适应方案来确定每种布谷鸟搜索算法被选中的概率。再次，引入一个外部存档以存储在选择阶段被丢弃的解，并从当前种群和该外部存档的并集中选取随机解来生成新的个体。最后，在42个基准测试函数上进行性能评估。实验结果表明，与其它7种布谷鸟搜索算法以及几种著名的演化算法相比，所提算法是一种具有竞争力的方法。
4．在求解不同类型的优化问题时，利用体现演化种群特性的反馈信息是提高计算效率的重要手段之一。为此，提出了一种基于动态反馈信息的布谷鸟搜索(CS with dynamic feedback information,DFCS)算法。根据反馈控制原理，将适应度值和解的改进率等作为体现种群特性的反馈信息，以对算法参数进行动态调整。首先，依据个体的适应度值，将当前种群动态划分为3个子群，并采用基于云模型的方案来产生适宜的步长因子。其次，引入双演化策略以进一步实现勘探与开发之间的有效平衡，并根据解的改进率来动态调整这两种策略之间的切换概率。最后，采用42个基准函数对算法性能进行测试。仿真实验结果表明，所提算法在维护多样性以及增强自适应性方面具有一定优势。
5．针对布谷鸟搜索算法在水电机组故障诊断中的应用开展研究。首先，构建了一种改进的布谷鸟搜索(Improved CS,ICS)算法。具体方案为：对偏好随机游走进行修正以充分利用当前解的邻域信息，随之将步长因子、发现概率以及刻度因子直接融入到最优解的搜索过程中，并由解的质量自动选取适宜的参数值；利用非均匀变异操作对当前最优解的搜索步长进行动态调整，以进一步提高算法的寻优精度；以20个基准函数为测试平台，对所提算法的性能进行验证分析。然后，根据所获取的水电机组振动故障样本数据，将所提算法与BP神经网络相结合，构建了一种组合模型并对水电机组的振动故障进行诊断。在验证该模型分类性能的同时，丰富了布谷鸟搜索算法的应用领域。