基于類細胞膜計算的優(yōu)化方法及其應(yīng)用研究.pdf

1、類細胞膜計算模型作為一種具有強大計算能力的分子計算模型，為解決復(fù)雜問題提供了一種新的解決方案，在控制、數(shù)學(xué)以及生物學(xué)等多個學(xué)科中得到了研究和發(fā)展。近年來類細胞膜計算模型在優(yōu)化領(lǐng)域的研究才嶄露頭角，就受到了國內(nèi)外學(xué)者的關(guān)注。而且如何利用類細胞膜計算模型自身的特點，有效地改善優(yōu)化方法的求解性能已成為一個值得深入研究的問題。
　　本文基于類細胞膜計算模型，為解決優(yōu)化領(lǐng)域中的問題進行了系統(tǒng)的嘗試。針對優(yōu)化領(lǐng)域中的單目標、多目標和動態(tài)優(yōu)化三

2、類關(guān)鍵問題，提出基于類細胞膜計算模型的三種肩發(fā)式優(yōu)化方法，并通過利用國際公認的標準測試函數(shù)和轉(zhuǎn)爐煉鋼生產(chǎn)中的實際問題對所提方法的求解性能進行驗證。本文的研究工作主要包含以下內(nèi)容:
　　(1)提出一種基于類細胞膜計算模型的單目標演化膜算法。針對單目標優(yōu)化問題，對類細胞膜計算模型中的對象、反應(yīng)規(guī)則和膜結(jié)構(gòu)三要素進行改進。在表層膜區(qū)域，為改善對象在搜索空間內(nèi)的分布，提出一種基于混沌系統(tǒng)初始化對象的機制。在基本膜區(qū)域，提出通過細胞自動機模

3、型調(diào)用重寫規(guī)則來進化對象的操作，該操作可以產(chǎn)生良好的候選對象。當(dāng)基本膜內(nèi)的反應(yīng)規(guī)則被執(zhí)行后，將基本膜內(nèi)的對象發(fā)送回表層膜。在表層膜區(qū)域，將來白不同基本膜的對象進行重新組合，并將組合后的對象集發(fā)送到基本膜進行再次進化，該對象集可以實現(xiàn)不同基本膜內(nèi)的對象信息共享。當(dāng)所提算法滿足終止條件時，表層膜區(qū)域存放的最優(yōu)對象即為優(yōu)化問題的全局最優(yōu)解。
　　(2)提出一種以演化膜算法為基礎(chǔ)的多目標演化膜算法。與單目標優(yōu)化問題不同，多目標優(yōu)化問題含有

4、多個目標函數(shù)，目標函數(shù)之間存在相互制約的關(guān)系，其中一個目標性能的提升可能導(dǎo)致其它目標性能的降低。針對這類問題，多目標演化膜算法建立在演化膜算法基礎(chǔ)上，對演化膜算法中的對象初始化方式和重寫規(guī)則的設(shè)計進行改進。此外，由于候選對象的多樣性和空間分布直接影響著所提方法的求解性能，所以將非支配排序和擁擠距離引入到所提算法中。為避免尋優(yōu)過程中最優(yōu)對象的流失，在表層膜區(qū)域引入可以記錄整個尋優(yōu)過程中最優(yōu)對象的歸檔對象集，該對象集可以加快所提算法的收斂速

5、度。
　　(3)提出一種基于類細胞膜計算模型的動態(tài)演化膜算法。針對動態(tài)優(yōu)化問題，對類細胞膜計算模型的三要素進行改進。為改善所提動態(tài)演化膜算法的求解性能，提出4種特殊的對象，這些對象既可以提高所提算法的收斂性又可以增強候選對象的多樣性。針對基本膜個數(shù)設(shè)置問題，引入一種基于單鏈式層次聚類的方法來計算基本膜個數(shù)的操作。當(dāng)利用重寫規(guī)則對對象進行進化時，其中的一些對象可能出現(xiàn)在過度擁擠區(qū)域或者跳出當(dāng)前基本膜的區(qū)域。針對對象過度擁擠的問題，提

6、出一個刪除當(dāng)前膜內(nèi)擁擠對象的擁擠規(guī)則，該規(guī)則可以增強候選對象的多樣性。針對對象從當(dāng)前基本膜區(qū)域跳到另一個基本膜區(qū)域的問題，引入重疊規(guī)則將兩個膜合并，這可以避免兩個膜因搜索相同區(qū)域所導(dǎo)致的搜索效率降低的問題。在此基礎(chǔ)上，利用環(huán)境變化檢測規(guī)則對新環(huán)境進行檢測，從而提高所提動態(tài)演化膜算法適應(yīng)環(huán)境變化的能力。
　　選用國際公認的標準測試函數(shù)，對上述所提基于類細胞膜計算的優(yōu)化方法的有效性和可行性進行驗證和分析。另外，針對轉(zhuǎn)爐煉鋼生產(chǎn)過程中的