求解最优化问题的类电磁机制算法研究与应用.pdf

摘要
全局优化技术的应用领域非常广泛，许多实际工程优化问题都能归结为全局
优化问题进行求解，这就极大地促进了全局优化技术的兴起和发展。而非线性优
化是优化领域内比较难以求解的一类问题，使用传统的优化方法已经难以独立对
其求解。自然启发的算法是近年来在协同进化理论上发展起来的一种新的优化算
法，为寻找复杂问题的解决方案提供了新的思路。自然启发的优化算法以其智能
型、通用性、本质并行性和全局搜索能力，已在众多研究领域显示出潜力和魅力，
并成为智能计算领域中一个研究热点。
类电磁机制算法是一种受电磁理论中电荷的吸引-排斥机制的启发提出的新的
启发式算法。本文在对国内外类电磁机制算法研究动态进行分析的基础上，针对
原算法中存在的初始种群不均匀、局部搜索效率低、距离因素对合力计算的影响
偏差较大、粒子移动方向错误率高等问题，提出了一种基于 Tent 混沌映射的类电
磁机制算法。新算法使用 Tent 混沌映射模型构造算法的初始种群，既充分利用了
混沌的遍历性优点，又生成了比 Logistic 映射更为均匀的初始种群；基于混沌优化
很好的空间搜索能力和最速下降法很好的局部细搜索能力，使用混沌搜索和最速
下降法进行局部搜索，既避免了算法陷入局部最优，又提高了解的精度；对力的
计算公式进行了改进，并设计了新的合力修正系数，校正了距离因素对合力计算
的影响；将小生境技术中基于预选择机制的选择策略融入粒子的移动中，保证了
粒子移动方向的有效性，提高了算法的效率。最后在新算法的基础上，通过引入
随机键的编码方式，将改进后的新算法应用于置换流水车间调度问题的求解中。
实验结果表明，改进后的算法在求解最优化问题时能求得更精确的解，且算
法的收敛速度更快了。这些最优化函数包括一般测试函数、复杂测试函数、Dixon
和 Szegö 测试函数及高维测试函数。同时，改进后的算法成功地解决了置换流水
车间调度问题。

关键词：类电磁机制算法 混沌优化 最速下降法 预选择机制 流水车间调度
Abstract
Global optimization has been widely used in many fields, and lots of optimization
problems in actual engineering can be treated as global optimization problems, which
improves the advance and development of global optimization techniques on a large
scale. However, non-linear optimization problems are one of the most difficult problems
in optimization fields, which are rather hard to be solved with traditional optimization
methods independently. Nature-inspired algorithms are new methods of optimization
based on co-evolution of a group of individuals in recent years and provide new tools
for complex optimization problems. Due to its advantages of intelligence, wide
applicability, parallelism and global search ability, nature-inspired optimization
algorithms have become a hot research area and have been widely used in many fields.
The Electromagnetism-like Mechanism(EM) method is a new heuristic algorithm
which is inspired by the attraction-repulsion mechanism betwee