基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究

鲁棒最优解在工程应用中具有十分重要的意义，它是进化计算的重要研究内容，也是研究难点．进化算法搜索鲁棒最优解时，通常使用蒙特卡罗积分(MCI)近似估计有效目标函数(EOF)，但由于现有的原始蒙特卡罗方法(C-MC)近似精度不高，导致进化算法搜索鲁棒最优解的性能较差．文中提出用拟蒙特卡罗方法(Q-MC)估计有效目标函数，通过大量的数值实验，结果表明，与C-MC相比，文中所引入的Q-MC方法、SQRT序列、SOBOL序列和Korobov点阵能更精确估计EOF，进而较大提高进化算法搜索鲁棒最优解的性能．