一种基于进化优化算法的有约束问题优化方法

摘要

本发明涉及一种基于进化优化算法的有约束问题优化方法。该种方法针对有约束的优化问题采用惩罚函数的方法来处理约束问题，并利用群智能优化算法进行带惩罚项的函数优化。采用这种优化方法，在算法迭代过程中每个约束项的惩罚系数由种群中所有个体满足约束条件的个数、违反约束的程度以及种群中所有个体的目标函数之和共同确定惩罚系数。这样避免了惩罚系数过大或过小的问题，促使算法在每次迭代尽可能使种群中的个体在满足约束与不满足约束方面达到一个平衡，并避免实际工程问题优化无法给出合适惩罚系数的问题。

主权项

一种基于进化优化算法的有约束问题的优化方法，其特征在于：所述优化方法是一种基于自适应惩罚函数法的群智能进化算法，设优化的目标函数为：minf(x)        (1) h j ( x ) = 0 , j = 1,2 . . . , n g i ( x ) ≤ 0 , i = 1,2 , . . . , m - - - ( 2 ) 该群智能进化算法包括如下步骤：(1)确定进化优化算法的种群大小M，优化问题的目标以及算法的最大迭代次数N，随机产生初始种群；(2)根据约束问题的目标函数以及约束条件，计算种群中每个个体的目标函数值，以及每个个体违反不同约束条件的程度；(3)计算整个种群中所有个体的目标函数值f(x)之和，分别计算整个种群中所有个体的违反不同约束条件的程度之和；(4)根据目标函数值之和与每个约束条件的违反程度之和确定不同约束条件的惩罚因子；(5)统计种群中所有个体满足不同约束条件的比例，根据该比例对步骤(4)得到的惩罚因子进行修正；(6)采用惩罚函数法修正目标函数，惩罚因子为步骤(5)中经修正后的惩罚因子，计算每个个体的函数值，从中选择最好的个体；(7)判断最好个体的目标值是否达到优化目标，如果达到目标计算结束，否则迭代次数加1，根据进化优化算法进行一次迭代，返回步骤(2)。