和聲搜索算法的研究及其應用.pdf

1、隨著計算機科學技術的發(fā)展，許多模擬自然現(xiàn)象的智能優(yōu)化算法逐漸取代傳統(tǒng)的數(shù)值優(yōu)化方法，成為解決復雜實際優(yōu)化問題的主要方法。對于傳統(tǒng)數(shù)值優(yōu)化算法的計算缺點，如求解復雜的導數(shù)或梯度、對初始值的敏感，智能優(yōu)化算法能夠很好地克服并且能夠快速地尋找出較好的解。和聲搜索算法是新近提出的一種全局智能優(yōu)化算法。本文對和聲搜索算法進行了總結、分析、改進和應用研究。
　　首次系統(tǒng)全面的總結了最近幾年和聲搜索算法的研究現(xiàn)狀。從算法的優(yōu)化性能改進研究和算法

2、的應用研究這兩個大方向對和聲搜索算法進行了綜述。算法的優(yōu)化性能改進研究分析了算法參數(shù)的設置、創(chuàng)新算子的設計以及與其它智能算法的融合。算法的應用研究集中于具有代表性應用領域包括工程優(yōu)化問題、電力系統(tǒng)經(jīng)濟調度問題、信息網(wǎng)絡優(yōu)化和神經(jīng)網(wǎng)絡訓練、多目標優(yōu)化和離散優(yōu)化應用以及其它應用領域。
　　提出了一種學習型和聲搜索算法(LHS)，該算法自適應設置參數(shù)HMCR以及動態(tài)調節(jié)PAR，修正了HS算法對參數(shù)敏感的不足;融合差分學習操作，增加種群的

3、多樣性，增強算法的全局搜索能力。通過大量的數(shù)值測試實驗，結果表明，LHS算法比基本HS算法以及兩種改進的HS算法要好。LHS算法從整體上提高了和聲搜索算法的尋優(yōu)精度。另外，通過實驗分析了參數(shù)對LHS算法優(yōu)化性能的影響，進一步探索了LHS算法的優(yōu)化潛力。
　　將LHS算法應用于0-1背包問題。文中選取了經(jīng)典的10個0-1背包問題，以及10個大維數(shù)0-1背包實例，通過仿真測試，結果表明LHS算法所取得的結果要優(yōu)于其它算法。為了進一步研