基于和聲優(yōu)化算法的研究與應(yīng)用.pdf

1、近幾十年來，優(yōu)化技術(shù)已逐漸成為許多相關(guān)學(xué)科的重要研究課題，它可以用來解決諸多實際工程問題，其目的是從眾多工程問題的解決方案中尋找最優(yōu)方案。在優(yōu)化問題的早期研究中，算法的選擇通常是以數(shù)學(xué)為基礎(chǔ)的優(yōu)化算法(如線性規(guī)劃，動態(tài)規(guī)劃等)。當(dāng)它們用來解決簡單小規(guī)模問題，往往能夠有效地得到最優(yōu)解，但隨著問題規(guī)模和復(fù)雜程度地逐漸增大，傳統(tǒng)的數(shù)學(xué)優(yōu)化算法效率變的很低，以致于無法在有效的時間內(nèi)得到問題的解，甚至得不到問題的解。而許多的實際工程問題的復(fù)雜程度

2、往往都較高，因此研究設(shè)計能夠有效解決大規(guī)模復(fù)雜性問題的算法引起了很多學(xué)者的注意并成為了他們的研究方向。
　　智能優(yōu)化算法由此應(yīng)運而生，并為解決復(fù)雜問題帶來了新的思路和方法。它是通過自然現(xiàn)象或自然規(guī)律的啟發(fā)而得到發(fā)展的，因此又稱之為元啟發(fā)式算法。一些著名的智能優(yōu)化算法有模擬退火(SA)，遺傳算法(GA)，粒子群算法(PSO)，蟻群算法(ACO)，和聲搜索算法(HS)等。其中，和聲搜索算法(HS)是由韓國學(xué)者 Geem等人[1]在20

3、01年提出的一種新的群智能優(yōu)化算法，它模擬了演奏家們在音樂創(chuàng)作中對樂隊中的每個樂器音調(diào)反復(fù)調(diào)整直到找到完美和聲的過程。它具有參數(shù)少，易實現(xiàn)，收斂速度快的優(yōu)點，并已成功地應(yīng)用于許多優(yōu)化工程問題。
　　本文首先對和聲優(yōu)化算法的基本流程和基本原理進(jìn)行了分析和總結(jié)，然后從連續(xù)型的函數(shù)優(yōu)化(約束和無約束)和離散型的組合優(yōu)化兩個基本問題模型出發(fā)，針對特定的問題對基本和聲算法進(jìn)行相應(yīng)的改進(jìn)。主要包含以下三方面內(nèi)容：
　　1、針對無約束的函

4、數(shù)優(yōu)化問題，提出了一種基于淘汰策略，局部搜索策略和錦標(biāo)賽原則的記憶庫選取策略，保證了和聲庫中具有較高質(zhì)量的和聲擁有較大概率被用來產(chǎn)生新和聲；分別對和聲算法中的兩個重要參數(shù)調(diào)整步長(bw)和微調(diào)概率(PAR)采取了自適應(yīng)和動態(tài)調(diào)整策略，保證了算法的高效性。最后通過仿真實驗證明了算法的優(yōu)越性。
　　2、針對約束性函數(shù)優(yōu)化問題，提出了一種改進(jìn)的懲罰函數(shù)法：兩階段懲罰法，這一方法能夠充分地利用不可行解中的有利信息，同時具有有效搜索可行解的

5、能力；然后針對兩階段懲罰法的特性，提出了改進(jìn)和聲庫選取策略以及參數(shù)的動態(tài)調(diào)整，分別增強算法第一階段的全局搜索能力和第二階段的局部搜索能力。最后分別通過仿真實驗證明了兩階段懲罰法的有效性和算法的優(yōu)越性。
　　3、針對多維背包問題，提出一種新的和聲產(chǎn)生策略，有效地擯棄了傳統(tǒng)和聲搜索算法解決組合優(yōu)化存在的變異機(jī)制，有效地提高了算法的性能；然后為了平衡算法的全局搜索能力和局部搜索能力，將果蠅搜索算法(FFO)作為一種局部搜索機(jī)制整合到了和