两阶段动态差分智能元胞机算法

发布时间：2021-07-15 13:22

　　针对传统进化算法在求解高维度优化工程问题时存在全局搜索和局部寻优的平衡难题,提出一种基于差分进化和元胞种群拓扑结构的两阶段动态差分智能元胞机算法。通过对个体的邻居结构进行调整,实现进化种群由结构化种群过渡到非结构化种群的效果,较好地兼顾全局搜索和局部寻优之间的协同问题;同时对外部种群保留的对象进行调整及完全反馈,提高算法的收敛速度。算法将智能体机制引入元胞种群,采用两阶段的外部种群多样性维护方法,将扰动因子引入变异操作使其跳出局部最优困境。通过对WFG系列基准函数测试表明,新算法相对于其他4种典型算法能获得更好的Pareto前端和竞争性的收敛结果。 

【文章来源】：计算机集成制造系统. 2020,26(04)北大核心EICSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 元胞差分及其改进算法
    (1)变异操作
    (2)交叉操作
2 两阶段动态差分智能元胞机算法(DDEACA)
    2.1 算法第一阶段外部种群多样性维护
    2.2 算法第一阶段外部种群完全反馈
    2.3 算法第二阶段外部种群和邻居结构变化
    2.4 实验参数设置
    2.5 DDEACA算法混合进化代数分配
3 基准函数测试
    3.1 基准函数
    3.2 算法性能评价指标
        (1)世代距离
        (2)超体积
4 测试结果分析
    4.1 算法性能测试及分析
    4.2 WFG问题性能指标统计分析
5 结束语


【参考文献】：
期刊论文
[1]Dynamic Accuracy Design Method of Ultra-precision Machine Tool[J]. Guo-Da Chen,Ya-Zhou Sun,Fei-Hu Zhang,Li-Hua Lu,Wan-Qun Chen,Nan Yu.  Chinese Journal of Mechanical Engineering. 2018(01)
[2]外部种群完全反馈的元胞差分算法设计及应用[J]. 王亚良,钱其晶,陈勇,金寿松,王成,冯定忠.  计算机集成制造系统. 2017(08)
[3]基于多策略差分进化的元胞多目标遗传算法[J]. 詹腾,张屹,朱大林,刘铮,郑小东.  计算机集成制造系统. 2014(06)
[4]基于差分元胞多目标遗传算法的车间布局优化[J]. 张屹,卢超,张虎,方子帆.  计算机集成制造系统. 2013(04)

硕士论文
[1]多目标元胞差分算法的改进及其应用研究[D]. 钱其晶.浙江工业大学 2017



本文编号：3285785