摘要: 优化问题一直是科学和工程研究领域的热点问题。传统的优化方法在处理大维数、多模态等复杂问题上存在诸多不足。国内外研究学者对此进行了研究和探讨，提出了多种智能优化算法，并结合各种优化算法的优点，衍生出多种混合智能优化算法。本文在分析人... 展开 优化问题一直是科学和工程研究领域的热点问题。传统的优化方法在处理大维数、多模态等复杂问题上存在诸多不足。国内外研究学者对此进行了研究和探讨，提出了多种智能优化算法，并结合各种优化算法的优点，衍生出多种混合智能优化算法。本文在分析人工鱼群算法基本原理的基础上，结合禁忌搜索算法和遗传算法，提出了两种新的混合智能优化算法，并将混合算法应用于多目标优化、参数估计和组合优化中，扩展了算法的应用范围。 本文所作的主要工作如下： 1.系统地介绍智能优化算法的研究现状，以及单纯智能优化算法的局限性和混合智能优化算法的优点。重点分析人工鱼群算法，并通过典型函数的仿真，探讨参数对人工鱼群算法收敛速度和精度的影响，总结出鱼群算法参数设置的基本原则，提出分阶段和变参数寻优的改进策略。 2.结合人工鱼群算法的改进策略，提出两种新的混合智能优化算法：禁忌与鱼群混合优化算法(HIOA—TSFA)和遗传与鱼群混合智能优化算法(HIOA—GFA)。通过对两种混合智能优化算法的仿真研究，以及与前人的研究成果比较，均验证了本文提出两种算法的有效性。 3.通过引入惩罚项的方法，将HIOA—TSFA算法应用于解决多目标优化问题。仿真研究表明，该算法在解决复杂函数的优化问题和多目标优化问题中效果显著。将H10A—GFA应用于非线性系统的参数估计问题，在无噪声和有白噪声的条件下，通过Lorenz混沌系统进行仿真研究，结果表明该混合算法对于解决参数估计问题十分有效。最后，进一步引入去交叉局部优化策略对HIOA—GFA进行改进，并将其应用于组合优化问题中的旅行商问题。通过仿真研究验证了HIOA—GFA在解决旅行商问题时的有效性。 收起