隨機動態(tài)規(guī)劃的智能算法研究與應用.pdf

1、現(xiàn)實生活和生產中普遍存在著隨機因素，由于受到隨機因素的影響，使得對問題的求解造成不便。目前對隨機條件下的尋優(yōu)問題，主要從期望值角度、機會測度角度及其他的角度出發(fā)，應用隨機模擬、神經網絡與智能算法的混合算法來求解。
　　 論文在前人的基礎上，根據(jù)隨機條件下的動態(tài)規(guī)劃模型的特點，在改進差分進化算法的基礎上設計了隨機期望值模型的混合算法用于每個階段求解最優(yōu)值，在此基礎上設計了求解多階段問題的智能算法--隨機動態(tài)規(guī)劃的智能算法。主要工作

2、如下：
　　 (1)對差分進化算法進行改進。提出多種群下的差分進化算法，通過使任意兩個子種群之間不會出現(xiàn)同一個峰值來使種群不重疊，并通過以某個個體為中心的球體內產生新個體的方式增加種群的多樣性。通過實例驗證算法的可行性。
　　 (2)求解隨機期望值模型的混合算法。通過隨機模擬求解期望值，RBF神經網絡模擬期望值函數(shù)，改進差分進化算法尋優(yōu)，三者混合求解期望值的最優(yōu)值，實例比較得出此算法能夠有效求解期望值模型。