基于决策树求解非线性规划问题的算法

针对群体智能优化算法具有随机性、盲目性、可编程性差的问题，提出了一种简单有效且不具有随机性的全局搜索算法，用于求解非线性规划问题。通过对每个决策变量的可行域离散化处理后得到的数据构建决策树，采用深度优先的规则对最优解进行搜索，搜索的同时用指数衰减函数调整搜索步长，从而逐步缩小搜索范围，直到结果收敛。算法不具有随机性，不需要编码、解码、交叉、变异等复杂操作，也不需要随机生成初始种群，可编程性强。对非线性规划的六个测试函数进行求解，并与文献中报道的结果对比，结果表明基于决策树的遍历搜索对解决非线性规划问题有效，对于多决策变量的复杂优化问题，采用分组搜索的策略既能保证求解精度，也能保证收敛速度。