1、在科學、工程和商業(yè)等領域中，對很多實際問題進行數(shù)學建模后都可以轉化為各類函數(shù)的優(yōu)化問題。遺傳算法是一種借鑒生物界自然選擇和自然遺傳機制的隨機優(yōu)化搜索算法，是解決各類函數(shù)優(yōu)化問題的一種有效算法。然而，大量研究表明，傳統(tǒng)的遺傳算法也存在許多的不足和缺陷，如早熟收斂、計算量大和局部搜索能力弱。為了有效克服以上缺點，將正交試驗設計方法和局部搜索技術引入到遺傳算法中。提出了兩種分別用于全局優(yōu)化和約束優(yōu)化的新的算法。最后將新的全局優(yōu)化算法用到了新型

2、PID免疫控制器的參數(shù)優(yōu)化中。主要工作如下： (1) 提出了一種求解全局優(yōu)化的混合自適應正交遺傳算法。新算法根據(jù)父代個體的相似度，自適應地調整用于安排交叉操作的正交表的因素個數(shù)和對父代個體進行因素分割的位置，然后根據(jù)所選定的正交表重新設計交叉算子，提出了一種自適應的正交交叉算子。同時為了進一步提高傳統(tǒng)遺傳算法學習和利用搜索空間局部信息的能力，提高其收斂速度，引入了局部搜索策略，提出了一種新的基于種群分割和單形交叉的聚類局部搜索策

3、略。對14個高維的Benchmark函數(shù)的測試結果表明，該算法在性能上顯著優(yōu)于其它算法。 (2)提出了一種新的基于正交試驗設計的約束優(yōu)化算法。在搜索機制方面，利用正交實驗設計的方法來安排多個父代個體的交叉操作，提出了一種新的多父體正交交叉算子。此外，我們利用單行交叉算子對父代種群進行并行搜索，來協(xié)調算法的勘探和開采能力。在約束處理技術上，引入了一個衡量個體的優(yōu)、劣的新比較準則。并通過13個標準的測試函數(shù)驗證了算法的通用性和有效性