博弈论混合优化算法：多子群策略与智能算法结合

“一种基于博弈论的混合优化算法.pdf”是篇关于改进智能优化算法的研究论文。作者提出了一种结合博弈论的多子群-多策略混合优化算法，旨在克服单一智能优化算法的局限性。该算法的核心在于利用支付效用矩阵来为各个子群选择最佳策略，确保子群能独立且动态地适应搜索过程的变化。 在算法设计中，首先，通过支付效用矩阵分析，每个子群可以挑选出最适合其当前搜索环境的策略。这一过程模拟了博弈论中的决策制定，使得子群能够在优化过程中不断调整其行为以提高寻优效果。接着，各个子群独立执行所选策略进行优化，并在一定周期内进行策略的选择和替换，确保算法能够灵活应对复杂问题。 然后，论文将布谷鸟算法（CS）、粒子群算法（PSO）和差分进化算法（DE）这三种优化算法两两组合，创建了CS-PSO、DE-PSO和DE-CS混合算法。通过对比实验，验证了这些混合策略在不同搜索特性下的优势，表明混合优化算法在寻优能力和收敛速度上优于单一优化算法。 实验结果显示，当混合策略中的单个优化算法具有互补的搜索特性时，整体的混合优化算法表现更佳。这种基于博弈论的混合方法不仅提高了算法的全局搜索能力，还增强了算法对局部极值的跳出能力，从而在解决复杂优化问题时展现出更好的性能。 关键词涉及的领域包括群智能优化算法、混合算法、博弈论、支付效用矩阵和最优策略。这篇论文的研究对于理解和改进优化算法，尤其是面对多目标和高维度问题时，提供了新的思路和工具。 中图分类号：TP301.6 文献标志码：A 文章编号：1001-3695（2016）08-2350-03 doi：10.3969/j.issn.1001-3695.2016.08.025 该论文的作者是杨梅和刘坚，他们分别来自湖南大学机械与运载工程学院，研究方向集中在智能计算和多目标优化。这项工作得到了国家自然科学基金、湖南省战略新兴产业重大专项和长沙市科技重大专项的资助。