1、智能優(yōu)化算法利用群體中個體間的信息交互及合作來實現尋優(yōu)的目的,具有概念簡單、實現方便、效率較高等特點,在許多實際優(yōu)化問題的求解上取得了成功.目前,智能優(yōu)化算法已成為優(yōu)化算法研究領域的一個熱點.本文從智能優(yōu)化算法的改進和應用兩個方面進行了研究.
　　 首先對人工蜂群算法進行改進用來求解單目標優(yōu)化問題.人工蜂群算法是近年來提出的一種新的群智能優(yōu)化算法,該算法的控制參數少,求解多峰、高維的優(yōu)化問題效果顯著.本文在原人工蜂群算法的基礎上

2、,改進了采蜜蜂和觀察蜂的搜索機制,主要表現在:(1)在采蜜蜂中引入了隨機梯度搜索方法,增強其局部搜索能力,提高搜索效率；(2)觀察蜂借鑒差分變異的思想,提出了一種新的搜索方法,增強全局搜索能力.通過和人工蜂群、差分進化、粒子群算法的數值實驗比較,表明改進的人工蜂群算法求解精度高、收斂速度快、魯棒性好,相比其他三個算法有更好的求解性能.
　　 其次通過分析研究幾種比較經典的求解多目標優(yōu)化問題的進化算法,提出了一種新的混合進化算法.

3、新算法中不僅利用支配數定義適應值函數、擁擠算子維持解的多樣性,而且采用了存檔的思想,加快算法的收斂速度確保精英解不會流失.當目標的維數增加時,在非劣解之間按k-近鄰算子,選擇距離較大的個體保留下來.數值試驗表明,該算法提高了求解速度,同時也保證了非劣解的均勻分布性.
　　 最后討論了混沌系統控制與同步問題.首先將該問題轉化為函數優(yōu)化問題；其次提出了一種新的智能算法-CDEM算法,該算法將差分進化算法與細菌覓食算法相融合,提高差分