1、從20世紀(jì)60年代開始,人們開始研究進(jìn)化算法,試圖發(fā)展一種具有適應(yīng)任意環(huán)境的理論,使其用于通用程序和機(jī)器。到1975年遺傳算法(genetic algorithm,GA)的創(chuàng)立標(biāo)志著進(jìn)化算法成立的里程碑。80年代以后進(jìn)化算法得到了廣泛的發(fā)展,包括算法成型和理論研究。90年代以后,進(jìn)化算法應(yīng)用到了工程結(jié)構(gòu)優(yōu)化、計(jì)算數(shù)學(xué)、制造系統(tǒng)等等工程應(yīng)用學(xué)科中。2000年以后,進(jìn)化算法的框架基本成熟,眾多學(xué)者對其各個(gè)應(yīng)用領(lǐng)域做了不同的改進(jìn)措施。至今,每

2、年有關(guān)進(jìn)化算法的文獻(xiàn)數(shù)量都呈遞增趨勢發(fā)展。
　　 進(jìn)化算法有著全局搜索、實(shí)現(xiàn)方便等的優(yōu)點(diǎn),但也存在著效率較低、結(jié)果隨機(jī)性大等的缺點(diǎn)。本文做的主要工作有:
　　 (1)針對進(jìn)化算法上述缺點(diǎn),在前人工作的基礎(chǔ)上做了對于遺傳算法效率上的改進(jìn),提出了逐維進(jìn)化的遺傳算法,使得原優(yōu)化問題分解為單獨(dú)的每一維上的子問題進(jìn)行優(yōu)化,由原來整個(gè)種群進(jìn)化分解為各個(gè)獨(dú)立的子種群。各個(gè)子種群獨(dú)立進(jìn)化,而又協(xié)作求取優(yōu)化目標(biāo)值。由于各個(gè)子優(yōu)化問題維數(shù)得

3、到降低,子種群上的負(fù)擔(dān)減少,優(yōu)化的效率得到提高。本文所做的工作經(jīng)仿真計(jì)算,體現(xiàn)出了一定的優(yōu)勢性。在此基礎(chǔ)上,本文分別做了半?yún)?shù)模型和動(dòng)態(tài)優(yōu)化的研究,取得了一定的成果。經(jīng)過驗(yàn)證,本文提出的算法較適用于動(dòng)態(tài)優(yōu)化問題或復(fù)雜參數(shù)估計(jì)問題。
　　 (2)針對穩(wěn)態(tài)建模和參數(shù)估計(jì)問題,提出了基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的半?yún)?shù)模型.該模型結(jié)合參數(shù)模型與非參數(shù)模型各自的優(yōu)勢,提高了建模精度,將非線性半?yún)?shù)模型引入到工業(yè)過程建模中。首先,提出了基于遺傳

4、算法和神經(jīng)網(wǎng)絡(luò)的非線性半?yún)?shù)模型的建模方法及結(jié)構(gòu)方案,并給出了同時(shí)估計(jì)參數(shù)模型部分和非參數(shù)模型部分的交叉循環(huán)迭代的算法步驟;其次,進(jìn)行了神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和遺傳算法的改進(jìn)研究,重點(diǎn)討論了在增加精英保留策略、增加算法的記憶功能、提出新的適應(yīng)度計(jì)算方法和交叉變異策略等方面的改進(jìn)措施;最后,采用聚乙烯裝置的現(xiàn)場工業(yè)數(shù)據(jù)對本方法進(jìn)行了驗(yàn)證。
　　 (3)針對動(dòng)態(tài)優(yōu)化求解問題,本文提出了逐維交叉遺傳算法(dimensionalcrossovo

5、F genetic algorithm,DCGA)和逐維進(jìn)化動(dòng)態(tài)算法(dimensional evolutiondynamic algorithm)。逐維交叉遺傳算法對于求解含有局部最優(yōu)和不可微分系統(tǒng)更有優(yōu)勢,但計(jì)算量較大。逐維進(jìn)化動(dòng)態(tài)算法使算法性能得到較大提高。采用逐維進(jìn)化策略克服了遺傳算法進(jìn)化緩慢的缺點(diǎn),實(shí)現(xiàn)了保證精確性下的效率的提高。同時(shí)采用等級交叉和精英保留策略改進(jìn)了遺傳算法中種群的多樣性。成功的將逐維進(jìn)化動(dòng)態(tài)算法用于求解CST