解约束优化问题的一种新的罚函数模型

罚函数法是进化算法中解决约束优化问题最常用的方法之一,它通过对不可行解进行惩罚使得搜索逐步进入可行域。罚函数常定义为目标函数与惩罚项之和,其缺陷一方面在于此模型的罚因子难以控制,另一方面当目标函数值与惩罚项的函数值的差值很大时,此模型不能有效地区分可行解与不可行解,从而不能有效处理约束。为了克服这些缺点,首先引入了目标满意度函数与约束满意度函数,前者是根据目标函数对解的满意度给出的一个度量,而后者是根据约束违反度对解的满意度给出的一个度量。然后将两者有机结合,定义了一种新的罚函数,给出了一种新的罚函数模型。并且设置了自适应动态罚因子,其随着当前种群质量和进化代数的改变而改变。因此它很易于控制。进一步设计了新的杂交和变异算子,在此基础上提出了解决约束优化问题的一种新的进化算法。通过对6个常用标准测试函数所作的数据仿真实验表明,提出的算法是十分有效的。