基于正交实验设计的约束优化进化算法新策略

本文档探讨了一种新颖的基于正交实验设计的约束优化进化算法，它在信息技术领域具有重要意义。该算法的核心创新在于其独特的搜索机制和约束处理技术。 首先，在搜索机制方面，作者提出了一个多父体正交交叉算子，它打破了传统进化算法中单一父母遗传的限制。这种方法借鉴了正交实验设计的思想，通过同时利用多个父代个体的信息，创造出更具代表性的新一代子代。这种策略有助于提高算法的多样性，从而增强搜索空间的探索能力。此外，单形交叉算子被用来对父代种群进行并行搜索，这种并行处理不仅提高了算法的效率，还能够平衡算法的探索（寻找未发现解）和开发（利用已知解）能力。 在约束处理技术上，作者提出了一种新的个体优劣比较准则，这个准则能更好地适应约束条件下的优化问题。相比于传统的处理方法，这种准则能更准确地评估个体的可行性和性能，确保算法在满足约束条件的同时寻求最优解。 为了验证算法的有效性和通用性，作者选取了13个标准测试函数进行了深入的性能测试。这些测试结果显示，新算法在处理约束优化问题上表现出色，能够在多种复杂环境中找到满意解，证明了算法的实用性和鲁棒性。 这篇论文介绍的是一种结合了正交实验设计理论和优化技术的创新方法，对于提升约束优化问题的求解能力具有重要的理论价值和实际应用潜力。这对于从事人工智能、计算智能、进化计算等领域研究的学者和技术人员来说，是一篇值得深入研究和借鉴的文献。