全部版块 我的主页
论坛 金融投资论坛 六区 金融学(理论版)
1725 5
2011-01-24
该软件是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较高,不足是有时评价函数调用次数稍多些.
   <进化记录>.txt记录进化全程.其中有惩罚项值和约束值数据记录,有助于指导有约束优化的进行.可看出所得解是可行解或是不可行解?那些约束是激活的(stexp>=a变stexp-a>=0 或是 stexp<=b变stexp-b<=0观察)?
附件列表
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2011-1-24 22:55:57
怎么用啊?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-1-24 23:03:49
自创的???!!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-2-6 14:35:23
2# linquan520147
.rar件中有使用说明!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-2-6 14:53:03
4# xufs
竞赛争冠算法函数优化程序,不用自己编写罚函数,只要按其要求的格式写入目标函数、约束(不等式和等式约束都可),程序会自动编写罚函数,并寻优。详细说明在压缩文件里。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2011-2-23 06:59:02
好用的进化算法程序!


竞赛争冠算法 Player Contend For First
   竞赛取冠算法属进化算法范畴,但其优化原理不同于遗传算法等一般进化算法。其中不用遗传算法常用的的复制算子,交叉算子,不用算法混合技术,也不用现在很多程序用到的正交交叉算子等,而主要用邻域繁殖算子,小生境技术,多智能体技术等。
   该程序既能实现低维函数的优化,也能用于高维函数的优化;既能用于单峰值函数的优化,也能用多峰值函数的优化;多数遇到的测试函数的优化很顺利!很多低维函数的优化1~2次迭代就搞定。另外,程序还实现了进化进程中群体个体分布的二维图形演示,可了解进化程度。
    目前,程序已实现有约束优化。
    以后,下一步的工作是:
    1. 实现多目标优化;
    2. 实现解析器对矩阵表达式的解析和建树;


竞技取冠算的法原理:
#       大家想一想,各种体育、歌唱或奥数等竞技比赛的世界冠军、世界第
#     一如何产生的?
#       它们是通过各种级别的比赛,有县级的,有省级,有全国性的,乃至
#     世界性的,以不同范围的各种形式比赛,反反复复地进行优胜劣汰才取得
#     的。
#       我们算法可形象的比喻为多擂主打擂台。若擂主(相当于体育比赛分
#     组的种子选手)和打擂选手来源于有一定范围的地区,各选手代表各自家
#     乡的水平(为较形象说明算法,假定来自地势高的选手水平高,如遗传算
#     法的个体适应值)。水平高的选手打赢,就可取代为擂主,擂台设置地点
#     也随之移动到新擂主的家乡-来源地(即擂台移动到本地区的高地势)。
#     在全国范围按一定分布,设置一定量的擂台,同时或分别按上述规则进行
#     擂台赛。到一定程度(时间、阶段),再进行省级的和全国的擂台赛,也
#     让各擂主间进行优劣排序比赛,前几名作为胜者保留,最后几名作为输者
#     遭淘汰。为弥足数量,随之重新随机设置一些新擂台和擂主代替淘汰的。
#     经如此反复打擂台,就可产生全国冠军(可想而知,各擂台就会逐步向邻
#     近的高地势移动,最后集中到一个或多个最高地势上)。


    一般GA的精英策略只保留一个最优个体,而竞技取冠算法采用保留多个最优和较优个体(1~几百),它就是算法中的“擂主”。群体个体总数可以比一般GA少,也可少于算法本身的保留个体。一般GA,最后个体都收敛于一点,而竞技取冠算法的个体即可收敛于一点,又可收敛于多点,视是单峰值函数或是多峰值函数。所以用于单峰值函数寻优的代码,如遇到的函数是多峰值的,它也会收敛于多点。该算法寻优效率高,很多低维函数迭代1~2次就搞定。操作简单,进化参数选取容易,对一般函数都可取默认值,进化参数的变动不是很敏感,所以进化参数的选取一般不困难,仅少数难寻优的高维函数要经多次实验,如测试函数.txt中的#28-1 D=30以上。


本程序用罚函数法实现有约束函数优化,只是对惩罚系数的处理方法未曾见于现有的罚函数法.程序证明这种惩罚系数的处理方法是有效的.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群