資源描述:
《絕對值方程的交叉熵蝙蝠算法求解-論文.pdf》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第31卷第l0期計(jì)算機(jī)應(yīng)用研究V0l_31No.102014年10月ApplicationResearchofComputers0ct.2014絕對值方程的交叉熵蝙蝠算法求解水李國成,肖慶憲(1.上海理工大學(xué)管理學(xué)院,上海200093;2.皖西學(xué)院金融與數(shù)學(xué)學(xué)院,安徽六安237012)摘要:針對絕對值方程這一NP一難問題和其轉(zhuǎn)換為無約束優(yōu)化問題具有不可微的特點(diǎn),一種交叉熵蝙蝠算法被構(gòu)建。該算法將基于方差最小化、重要性抽樣和Kullback—Leibler距離的交叉熵隨機(jī)優(yōu)化算法嵌入到基于仿生學(xué)的蝙蝠算法中,充分發(fā)揮交叉熵方法的隨機(jī)性、自適應(yīng)性和魯棒性,有效抑制蝙蝠算法的早熟收斂
2、現(xiàn)象,提高優(yōu)化性能。數(shù)值結(jié)果表明,新算法具有全局搜索能力強(qiáng)、計(jì)算精度高和數(shù)值穩(wěn)定性好等特點(diǎn),也適用于高維絕對值方程問題。關(guān)鍵詞:絕對值方程;非光滑優(yōu)化;蝙蝠算法;交叉熵;協(xié)同演化中圖分類號:TP183文獻(xiàn)標(biāo)志碼:A文章編號:1001—3695(2014)10.2965.04doi:10.3969/j.issn.1001—3695.2014.10.019Cross-·entropy—-inspiredbatalgorithmforabsolutevalueequationLIGuo—cheng.XIAOQing—xian(1.BusinessSchool,Universityof
3、ShanghaiforScience&Technology,Shanghai200093,China;2.SchoolofFinance&Mathematics,WestAnhuiUniversity,LiuanAnhui237012,China)Abstract:AbsolutevalueequationisaNP-hardproblemandtheobjectivefunctionofcorrespondingunconstrainedoptimiza-tionproblemisnon-differentiable.Thecross—entropystochasticopt
4、imizationalgorithm,basedonvarianceminimization,impor-tancesamplingandKullback—Leiblerdivergence,wasembeddenintobatalgorithmfrombionicsforsolvingabsolutevalueequa-tion.Theimprovedalgorithmfullyabsorbedthestochastic,adaptabilityandrobustnessofcross—entropy,adaptivelyavoidedthestagnancyofpopula
5、tion,andimprovedtheoptimalperformance.Theempiricalresuhsshowthattheproposedalgorithmhastheadvantagesofstrongglobalsearchingcapacity,highcomputingprecisionandgoodnumericalstability.Anditisalsoapplicabletohigh—dimensionalabsolutevalueequationproblems.Keywords:absolutevalueequation(AVE);non—smo
6、othoptimization;batalgorithm;cross-entropy;CO—evolution絕對值方程(absolutevalueequation,AVE)的求解是一個(gè)離來度量兩個(gè)概率分布的交叉熵,并使之最小化用于求解組合NP一難問題J,將其轉(zhuǎn)換為無約束優(yōu)化問題,其目標(biāo)函數(shù)因含優(yōu)化問題。文獻(xiàn)[15]將該方法推廣到多峰值連續(xù)函數(shù)優(yōu)化問有絕對值項(xiàng)而具有不可微的特點(diǎn),屬于典型的非光滑優(yōu)化問題。交叉熵方法具有很好的隨機(jī)性、自適應(yīng)性和魯棒性,但如題。AVE與線性互補(bǔ)問題、線性規(guī)劃、二次規(guī)劃和雙矩陣對策同其他MonteCarlo技術(shù)一樣,存在樣本容量大、計(jì)算成本高和有著緊
7、密的聯(lián)系,同時(shí)在背包問題和選址問題上也有著廣泛的收斂速度慢等不足。應(yīng)用[2,33。AVE的研究有著重要的理論意義和實(shí)際價(jià)值。基在將AVE問題轉(zhuǎn)換為無約束優(yōu)化問題的基礎(chǔ)上,針對目于傳統(tǒng)優(yōu)化方法的AVE問題的近似求解算法主要包括針對其標(biāo)函數(shù)的不可微性,探尋將交叉熵隨機(jī)優(yōu)化方法嵌入到蝙蝠算特殊結(jié)構(gòu)的雙線性規(guī)劃方法和針對其目標(biāo)函數(shù)不可微的光法中而得到的交叉熵蝙蝠算法(cross—entropy—inspiredbatalgo—滑化牛頓方法J。近年來,智能優(yōu)化算法的興起和蓬勃發(fā)展rithm,CEBA)