优化参数的多维正态分布分段禁忌算法在连续函数优化中的应用

"这篇论文主要探讨了多维正态分布分段禁忌优化算法的参数优化问题，旨在解决多维连续函数全局优化中的效率和精度问题。研究人员通过调整算法的初始值、邻域选取范围和搜索步长，利用多维正态分布函数指导邻域点的选择，以提高解的精度和收敛速度。实验结果显示，参数优化后的新算法MSCTS在多维连续函数优化上表现出显著优势，其收敛速度提升超过5倍，解精度提高10个数量级，尤其在第二阶段解空间缩小比例为0.5和第三阶段步长缩小比例为0.1时效果更佳。该研究由冀荣华、李想等人在中国农业大学完成，并发表在《计算机工程与应用》2015年第51期第6卷上。" 这篇论文的研究集中在多维连续函数全局优化的挑战上，其中主要问题包括低收敛速度和解决方案的不精确性。作者提出了一种基于多维正态分布的分段禁忌优化算法（MSCTS），它在原有的分段禁忌算法（SCTS）基础上进行了改进。SCTS算法分为三个阶段，每个阶段具有不同的初始化设置，邻域选择范围和搜索步长。关键创新在于利用多维正态分布来指导邻域点的选择，以更有效地探索解空间。 论文指出，解的精度和收敛速度受到第二阶段解空间缩小比例的显著影响。当这个比例设置为0.5时，可以观察到解的精度显著提高。此外，为了进一步提升解的精度，研究者在第三阶段引入了变步长搜索，步长缩小比例为0.1时，算法的运行速度得到提升，从而在保证效率的同时提高了精度。 实验部分对比了优化后的MSCTS算法和原始的SCTS算法。结果表明，MSCTS在处理多维连续函数优化问题时，其收敛速度提高了5倍以上，同时解的精度提升了10个数量级。这些改进使得MSCTS算法成为多维连续函数优化的理想选择，尤其是在复杂优化问题中。 这项研究为多维连续函数优化提供了一种有效且高效的策略，通过参数优化实现了性能上的显著提升，对于解决实际工程和科学计算中的优化问题具有重要的理论和实践价值。