一种求解约束优化问题的进化算法及其工程应用

J4 ›› 2013, Vol. 35 ›› Issue (7): 95-101.

一种求解约束优化问题的进化算法及其工程应用

朱高峰1，伍铁斌2,3，张艳蕾1，成运2，刘云连2

(1.湖南人文科技学院物理与信息工程系，湖南娄底 417000；
2.湖南人文科技学院通信与控制工程系，湖南娄底 417000；
3.中南大学信息科学与工程学院，湖南长沙 410083)

收稿日期:2012-11-29 修回日期:2013-02-25 出版日期:2013-07-25 发布日期:2013-07-25
基金资助:
国家自然科学基金资助项目(61273185)；湖南省自然科学基金资助项目(12JJ2040)；湖南省重点建设学科资助项目；湖南省教育厅重点项目资助（09A046）;湖南人文科技学院青年基金资助项目(2010QN16，2012QN07)

Evolutionary algorithm for constrained optimization
problem and its engineering applications

ZHU Gaofeng1,WU Tiebin2,3,ZHANG Yanlei1,CHENG Yun2,LIU Yunlian2

(1.Department of Physics and Information Engineering,
Hunan University of Humanities Science and Technology,Loudi 417000;
2.Department of Communications and Control Engineering,
Human University of Humanities Science and Technology,Loudi 417000;
3.School of Information Science and Engineering,Central South University,Changsha 410083,China)

Received:2012-11-29 Revised:2013-02-25 Online:2013-07-25 Published:2013-07-25

摘要/Abstract

摘要：

提出一种改进的用于求解约束优化问题的进化算法。该算法利用混沌方法初始化个体以保证其均匀分布在搜索空间中。在进化过程中，将种群分为可行子种群和不可行子种群，分别采用不同的交叉和变异操作，以平衡算法的全局和局部搜索能力。标准测试问题的实验结果表明了改进算法的有效性。最后将改进算法应用到两个工程优化设计问题中，得到了满意的结果。

关键词: 约束优化问题, 进化算法, 交叉, 变异, 工程应用

Abstract:

A modified evolutionary algorithm (MEA) is proposed to solve constrained optimization problems. Chaotic sequence method is introduced to construct the initialization population that is scattered uniformly over the entirely search space in order to maintain the diversity. In the evolution process, our algorithm is based on individual feasibility; the population is divided into feasible subpopulation and infeasible subpopulation, which evolve with different crossover operator and different mutation operator, respectively. Numerical simulation results on four benchmark problems demonstrate the effectiveness and robustness of the proposed algorithm. Several engineering optimization problems are designed to test the MEA, and the results show that the MEA can solve different constrained optimization problems.

Key words: constrained optimization problem;evolutionary algorithm;crossover;mutation;engineering application

朱高峰1，伍铁斌2,3，张艳蕾1，成运2，刘云连2. 一种求解约束优化问题的进化算法及其工程应用[J]. J4, 2013, 35(7): 95-101.

ZHU Gaofeng1,WU Tiebin2,3,ZHANG Yanlei1,CHENG Yun2,LIU Yunlian2. Evolutionary algorithm for constrained optimization
problem and its engineering applications [J]. J4, 2013, 35(7): 95-101.

[1]	闫盼，谭瑛，张建华. 一种用于进化算法历史计算数据的高效利用方法[J]. J4, 20160101, 38(01): 62-66.
[2]	刘琰, 张姣, 姜胜腾, 潘筱茜, 赵海涛, 魏急波. 一种多策略融合的人工蜂鸟算法[J]. 计算机工程与科学, 2023, 45(12): 2216-2225.
[3]	张贝, 闵华松, 张新明. 差分变异和领地搜索的平衡优化算法及其机器人路径规划[J]. 计算机工程与科学, 2023, 45(11): 2078-2090.
[4]	罗仕杭, 何庆. 多策略融合改进的均衡优化算法及其应用[J]. 计算机工程与科学, 2023, 45(08): 1508-1520.
[5]	黄学雨, 罗华. 自适应变异蝴蝶优化算法[J]. 计算机工程与科学, 2023, 45(06): 1123-1133.
[6]	唐宇, 代琪, 杨志伟, 杨爱民, 陈丽芳, . 基于优化随机森林的软件缺陷预测算法研究[J]. 计算机工程与科学, 2023, 45(05): 830-839.
[7]	付接递, 李振东, 郭辉. 基于教与学和逐维柯西变异的鲸鱼优化算法[J]. 计算机工程与科学, 2023, 45(05): 940-950.
[8]	王雨露, 李飞, 杨震, 黄山, 张罡, 詹曙, . 基于深度前馈神经网络的多因子人体表面积计算模型[J]. 计算机工程与科学, 2023, 45(01): 119-126.
[9]	苟平章, 原晨, 张芬. 基于软件定义的WSNs非均匀分簇QoS路由算法[J]. 计算机工程与科学, 2022, 44(02): 227-236.
[10]	罗晓霞, 王佳, 罗香玉, 李嘉楠 . 一种基于GN算法的动态图划分方法[J]. 计算机工程与科学, 2022, 44(02): 306-311.
[11]	范宜凯, 刘石坚, 潘正祥, . 一种基于改进拟仿射变换的基础矩阵估计方法[J]. 计算机工程与科学, 2021, 43(11): 2003-2010.
[12]	王栎桥, 张达敏, 樊英, 徐航, 王依柔. 基于改进型柯西变异灰狼优化算法训练的多层感知器[J]. 计算机工程与科学, 2021, 43(06): 1131-1140.
[13]	邵鸿南, 梁倩, 王李森, 马云鹏, 项贤鹏. 基于反向学习和种群引导的多目标蝗虫优化算法[J]. 计算机工程与科学, 2021, 43(05): 944-950.
[14]	李叔敖, 解庆, 马艳春, 刘永坚. 基于路径聚合扩张卷积的图像语义分割方法[J]. 计算机工程与科学, 2021, 43(04): 712-720.
[15]	张明珠, 曹杰, 王斌. 基于精英集的多目标差分进化聚类算法[J]. 计算机工程与科学, 2021, 43(01): 170-179.