基于种子传播方式和植物分布演化的种子优化算法研究.pdf

摘 要
摘 要
智能计算方法的主要构建思想是从自然界的生物系统、生命现象中寻求问题
求解的灵感和方法，通过对自然生物系统的生存繁衍过程、生命个体的进化过
程、自适应行为等现象和行为的建模和模拟，构建各种智能计算模型，用于求
解现实世界中的大规模、高维度、非线性的复杂优化问题。探讨如何从生物适
应环境、自主优化过程中获取灵感，构建智能计算方法，将会在很多方面弥补
经典最优化方法的不足，对人工智能新原理、新方法的发展将具有很好的推动
作用。大量的研究者仍然在致力于发展更高效、更实用的群体智能优化算法。
种子优化算法是受自然界种子传播方式和种群分布演化的启发而设计的，它通
过模拟植物生存的宏观自适应现象，来解决复杂的优化计算问题。其寻优机理
不同于现有群体智能优化算法，主要通过父种选择和种群分布演化两个算子进
行寻优。算法结构较简单，实现较容易，对算法的研究和实验也表明：在所开
展的实验中，种子优化算法符合我们预期的全局寻优能力强、收敛速度快的特
点。
本论文的主要贡献和创新点包括以下几个方面：
1. 借鉴自然界种子传播方式和种群分布演化，本文构建了种子优化算法这一种
新的群体智能算法，该算法具有较新颖的设计思想和明确的仿生含义。通过
调研和学****生物统计学的相关研究结果，构建了三种 BOA 的种群分布演化
模型，分别是基于分段函数的分布模型、基于正态分布的模型和基于负二项
分布的模型。并分别针对上述三种算法模型构建了相应的 BOA 算法，并针
对 11 个典型的基准函数，开展了函数优化实验，实验结果与粒子群优化算
法的结果进行了对比分析，结果表明 BOA 在所开展的实验中，性能明显优
于 PSO 算法，也验证了这三种算法模型的有效性。同时，还开展了算法自
身参数的调整对比实验，初步研究了算法参数对算法性能的影响。
2. 基于逆推理归纳，构建了初步的 BOA 算法的优化策略自适应选择机制。列
举了现有 BOA 算法的主要参数，初步确定了一种优化策略分项的调整顺序，
并整理出相关的参数调整规则；并构建了一种优化策略性能评价方法，用以
综合评价算法的寻优能力和收敛速度，用以评价优化策略的优劣。最后选择
了两个 500 维的多峰基准测试函数进行了自适应优化策略调整的测试，实验
结果表明，该优化策略自适应选择机制取得了较好的参数调整表现，求解效
果明显优于固定参数的 BOA 算法。
3. 对 BOA 算法中的几个基本定义作了严格的数学描述和重新定义，构建了
BOA 算法的 Markov 链模型，明确了相关的算法性质，基于此，依据 Solis
和 Wets 提出的随机算法收敛的标准，对 BOA 算法的收敛性做了初步分析，
I
摘 要
证明了 BOA 算法是以概率 1 全局收敛的。
4. 应用 BOA 算法求解了三个典型的最优化问题。其中 FM 参数合成估计问题
是 IEEE-CEC2011“应用进化算法求解真实世界优化问题”专题所列举的第
一个用于测试智能计算方法应用能力的最优化问题，本文即以该会议的原题
为例，应用 BOA 算法进行了求解，求解结果与 CEC 公布的 DE-RHC 算法
的求解结果进行了对比，表明了 BOA 的优越性；然后结合目前正在开展的
减灾科技支撑项目，以汶川地震灾后恢复重建为例，构建了项目排序的最优
化问题，应用 BOA 算法进行了优化求解，求解结果兼顾了专家的意见，符
合了中国地震灾后恢复重建规划标准和我国政府的以人为本的原则；TSP 问
题是典型的离散优化问题，机器人全局路径规划问题基本都能转化成 TSP
问题的求解。本文利用种群迁移