阴阳对优化算法的改进研究

作     者：王俊彬 

作者单位：江西理工大学 

学位级别：硕士

导师姓名：李淑芝

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：阴阳对优化算法 Cubic混沌 透镜成像 t分布 正余弦搜索 

摘      要：随着自然科学的发展,人类逐步进入智能时代。然而,在科学研究、工程设计、信息化管理等领域存在着许多需要优化求解的复杂非线性问题,采用传统的优化方法难以满足对当前复杂问题求解的需求。于是智能优化算法应运而生,由于具备良好的检索能力、较强的灵活度和鲁棒性,是能够在优化问题中快速、高效地寻找最优解或次优解的方法,被应用于许多领域,如机器学习、信号处理、图像处理等,具有广泛的应用前景。如今,诸多经典的高性能的智能优化算法被不断提出,其中粒子群算法、遗传算法和禁忌搜索等算法应用广泛。阴阳对优化(YYPO)算法具有较低的计算量以及较强的性能。尽管如此,YYPO算法也存在着一些缺陷,比如初始分布不均、容易陷入局部最优、搜索精度不够、易早熟收敛等问题。因此,本文在前人研究成果的基础上,对YYPO算法进行了进一步的改进,主要工作及贡献如下:(1)针对YYPO前期因为阴阳两点的初始分布不均导致收敛速度慢,后期因为阴阳两点交换搜索机制易陷入局部最优等问题,提出了一种融合Cubic混沌映射和透镜成像策略的改进算法CYYPO算法。该算法在初始阶段引入Cubic混沌映射方式,可以进一步提升检索能力,强化该算法的全局搜索能力。接着,使用了透镜学习策略,并提出了正反搜索的方法。通过利用反向搜索跳出局部最优解的特性,改进了算法的寻优性能。实验结果表明,相比原有的YYPO算法,改进算法具有更强的跳出局部最优的能力和更高的收敛精度。这样的改进能够有效提升算法的性能,为后续的研究提供了更好的基础。(2)为进一步提高算法的搜索精度,增强算法搜索全局的能力,提出了一种自适应t分布扰动和正余弦搜索策略的增强阴阳对优化算法t-YYPO。t-YYPO算法采用了自适应t分布策略,使用迭代次数iter为自由度参数,即在迭代的前期,由于t分布的特性,t分布转为柯西分布,增强全局搜索能力;随迭代次数逐渐增加,t分布转为高斯分布,使得迭代后期具有良好的局部搜索能力。为了进一步增强解的多样性,t-YYPO算法引入了正余弦搜索策略。通过引入正余弦搜索策略,改进算法能够更好地克服解空间中的局部最优问题,从而找到全局最优解。实验结果表明,相比于原YYPO算法,针对更高维度的实验测试函数,改进后的算法具有更强的收敛度和检索能力。