1、智能算法是基于自然現(xiàn)象運行機制的隨機優(yōu)化算法,具有結構簡單、易于操作和全局優(yōu)化能力強等優(yōu)點,在決策優(yōu)化、系統(tǒng)優(yōu)化、工程設計等諸多領域都具有廣泛應用.然而在處理復雜優(yōu)化問題時,現(xiàn)有的智能算法依然會出現(xiàn)早熟收斂和停滯問題.為了從算法的運行機理上探索早熟收斂和停滯問題的解決方案,基于全局探索能力和局部開發(fā)能力的有效平衡,本文分別設計了猴群算法和差分進化算法的改善機制,并提出了一種新型智能算法.主要工作包括:
　　(1)設計了基于自組織分

2、層結構和時變參數(shù)的改進方案,用于提高猴群算法的優(yōu)化性能.在改進方案中,利用個體的適應值信息和優(yōu)化空間的邊界信息,同時融合提出的選擇算子、基于適應值的替換算子和排斥算子重新設計了原始猴群算法的爬、望和跳操作;采用了分層結構組織其核心操作,并利用設計的自組織機制協(xié)調(diào)核心操作的執(zhí)行;利用單個時變參數(shù)替代了原始猴群算法中的多個固定參數(shù),提高了算法應用的便捷性.大量比較實驗表明改進方案明顯優(yōu)于原始猴群算法和7種表現(xiàn)優(yōu)異的智能算法.
　　(2

3、)設計了基于高斯變異和動態(tài)參數(shù)的改進方案,用于提高差分進化算法的優(yōu)化性能.在改進方案中,利用隨機選擇個體的適應值信息設計了新型高斯變異算子和改進了一種典型變異算子,并利用累計分值信息提出了兩種變異算子之間的協(xié)作規(guī)則;分別采用余弦函數(shù)和高斯函數(shù)實現(xiàn)了縮放因子的周期性變化和交叉概率的波動性變化.大量比較實驗表明改進方案明顯優(yōu)于5種差分進化算法變型和兩種表現(xiàn)優(yōu)異的群智能算法.
　　(3)設計了基于再初始化策略和優(yōu)化空間調(diào)整策略的改善機制

4、,用于提高差分進化算法的優(yōu)化性能.在改善機制中,結合種群的優(yōu)化狀態(tài)和交叉算子提出了再初始化策略,用于恢復算法的全局探索能力;利用最優(yōu)個體信息和具有波動性的動態(tài)參數(shù)設計了優(yōu)化空間調(diào)整策略,用于防止再初始化策略引發(fā)的過度探索.所設計的改善機制具有算法獨立性,可以便捷的移植到各種差分進化算法中.大量的比較實驗表明改善機制可以有效提高多種差分進化算法的優(yōu)化性能.
　　(4)設計了基于軍事理論中聯(lián)合作戰(zhàn)策略的新型智能算法–聯(lián)合作戰(zhàn)算法,用于