差分克隆选择算法在多机器人任务分配中的应用

针对传统克隆选择算法进化过程中易出现退化以及陷入局部最优解的问题,提出了一种差分克隆选择算法。该算法从局部搜索和全局搜索两方面提出改进。局部搜索方面使用自适应的差分变异算子使算法在优良解附近进一步探索,避免陷入局部最优。全局搜索方面使用全交叉操作使种群保存良好的多样性,扩大全局搜索范围,增加算法跳出局部最优解的可能性。最后,将所提算法、传统克隆选择算法和遗传算法同时应用于智能制造系统中多机器人多任务分配问题进行实验,结果表明差分克隆选择算法具有更高的收敛精度和较好的跳出局部最优解的能力。

区间约束违反度引导的区间约束多目标进化算法

区间约束多目标优化问题的目标函数或约束条件中至少有一个含有区间不确定性参数,该问题广泛存在于实际工程应用中.目前求解该问题的算法非常少,且实际约束优化问题的可行域往往是间断的.针对具有间断可行域的区间约束多目标优化问题,通过定义区间约束违反度,给出基于区间的可行性规则,基于此,提出一种区间约束违反度引导的区间约束多目标进化算法.所提出算法以基于分解的区间多目标进化算法为框架,首先,采用拉丁超立方体采样在搜索空间中探测可行域,利用均匀分布的采样点构成初始种群;然后,每隔固定进化代数,基于个体的区间约束违反度或区间拥挤距离,自适应调整参考向量;接着,使用双差分变异算子生成新个体,并基于可行性规则更新邻域个体;最后,将所提出算法在构造的具有间断可行域的区间约束多目标基准函数和海岛综合能源系统优化调度问题上进行测试,并与3个区间约束多目标进化算法比较.实验结果表明,所提出算法具有优越的性能.