论文部分内容阅读
近年来，全局优化问题越来越受到人们的重视，不管是在社会生活中还是在科研实践中，对全局优化的研究已经成为一个较重要的研究热点。然而，传统的确定性优化算法很难甚至不能求解高维复杂函数问题，特别是解析性质很难获得的函数问题，故一些现代智能优化算法应运而生。如遗传算法、蚁群算法、粒子群算法、模拟退火算法和类电磁机制算法等。这些算法在求解目标函数的全局最优值时，对函数的性态或解析性质要求很低，甚至没有要求。然而，要有效地求解高维困难复杂的函数问题，还必需设计高效的稳定性算法。本文以无约束优化问题为研究对象，研究了一种较新的元启发式算法，即类电磁机制算法。该算法模拟了电磁场中带电粒子之间的吸引排斥机制，通过该机制使得粒子朝着最优粒子移动。为提高该算法的高效性，并增强算法的适应性，本文提出了一种改进的类电磁机制算法——基于佳点集的类电磁机制算法。即利用佳点集理论构造算法的初始种群，使其更均匀地分布在可行域中；改进了局部搜索策略，利用混沌优化方法代替随机线性搜索算法，不仅避免了算法过早陷入局部最优，而且提高了解的精度；设计了一个用于更新粒子的自适应移动算子，将粒子的优劣和迭代的过程体现在粒子的移动过程中，同时在粒子的更新公式中添加了遗传变异系数，使粒子移动到当前最优粒子附近以外的可行区域的可能性增强，从而使得算法在搜索过程中能朝着更精确的解移动。实验结果表明，改进后的算法收敛速度更快，解的精度更高，并成功运用于一般的有界变量的函数中，以及比较难求的不可微、高维、多峰甚至是病态的函数中。在后续的研究工作中，将继续改进类电磁机制算法，或者将其与其它优化算法相结合，进一步加快收敛速度，提高解的精度。并在此基础上，利用改进算法求解实际工程中的优化问题。