Journal international d'intelligence d'essaim et de calcul évolutif

Abstrait

Algorithme concurrentiel impérialiste multi-objectifs pour résoudre des problèmes d'optimisation non linéaire sous contraintes

Chun An Liu et Huamin Jia

Français Le problème d'optimisation non linéaire sous contraintes (NCOP) est apparu dans un large éventail de sciences telles que le portefeuille, la gestion économique, l'ingénierie de l'espace aérien et les systèmes de renseignement, etc. Dans cet article, un nouvel algorithme compétitif impérialiste multi-objectifs pour résoudre le NCOP est proposé. Tout d'abord, nous passons en revue quelques excellents algorithmes existants pour résoudre le NOCP ; puis, le problème d'optimisation non linéaire sous contraintes est transformé en un problème d'optimisation bi-objectif. Deuxièmement, afin d'améliorer la diversité de l'essaim de pays en évolution et d'aider l'essaim de pays en évolution à s'approcher ou à atterrir dans la région faisable de l'espace de recherche, trois types de méthodes différentes de colonie se déplaçant vers leur impérialiste pertinent sont donnés. Troisièmement, le nouvel opérateur d'échange de position de l'impérialiste et de la colonie est donné de manière similaire à un opérateur de recombinaison dans l'algorithme génétique pour enrichir les capacités d'exploration et d'exploitation de l'algorithme proposé. Quatrièmement, une méthode de recherche locale est également présentée afin d'accélérer la vitesse de convergence. Enfin, la nouvelle approche est testée sur treize fonctions d'optimisation non linéaires contraintes NP-hard bien connues, et les résultats expérimentaux suggèrent que la méthode proposée est robuste, efficace et générique pour résoudre le problème d'optimisation non linéaire contrainte. Comparé à d'autres algorithmes de pointe, l'algorithme proposé présente des avantages remarquables en termes de valeur de fonction objective meilleure, moyenne et pire et d'écarts types.