遗传算法的改进及在厂区布局优化问题中的应用研究
在科学研究和工程实践中，存在大量的非线性规划问题，这些问题具有多参数、高复杂度、不确定性等特点，传统的优化算法在处理这些问题时往往会陷入局部最优，或者耗时很长，因而很难达到人们的要求。厂区布局问题作为一种非线性规划问题，同时又具有维度高、约束条件多等特点。本文针对厂区布局问题的特点，对遗传算法进行了改进。在对厂区布局问题的求解中得到了较好的效果。
遗传算法是一种新颖的随机搜索算法。它借鉴了进化理论和遗传学的思想，具有求解效率高、全局搜索能力强等优点。本文首先针对厂区布局问题变量较多的特点，对建筑物不能重叠的约束进行了简化，减少了变量个数，降低了模型复杂度。然后，在遗传算法处理约束的问题上，提出了一种约束分散方法来降低约束对生成可行解的影响，并改进了个体评价标准。同时，本文提出了一种可行-不可行解交叉的方法，提高了算法的求解精度和收敛速度。本文还引入了梯度下降法，作为强化局部搜索的手段。最后的实验证明，改进算法具有较为优秀的求解精度和求解效率，优于用于对比的SMES和SAPF两种进化算法，和CULDE算法效果相当。在对厂区布局问题的案例求解中，我们也可以看出实验结果能够很好的满足物理约束、最小安全距离约束和气体泄漏的约束，得到一个较为理想的局部方案。
遗传算法;厂区布局;约束优化;选择算子;梯度下降法
北京化工大学
硕士
控制科学与工程
朱群雄
2012
中文
TP301.6;O224
77
2012-11-30（万方平台首次上网日期，不代表论文的发表时间）