基于适应值地形信息的差分演化算法研究

发布时间：2020-07-02 06:44

【摘要】：计算智能方法是受自然界规律的启发而设计出的一类求解问题的算法簇。相对于传统的优化方法,计算智能方法因不需要对问题本身进行精确的数学或逻辑建模,从而非常适合于解决那些传统优化方法难以解决的具有多目标、大规模、带约束、动态且有不确定性等特征的复杂优化问题。差分演化算法是计算智能方法中重要的一员,它主要通过当前种群中父代个体间的交互产生新的子代个体,然后纵向对比两代个体,将其中更适应环境的一个保留下来,以推动整个种群向有希望的方向演化,从而逐步搜索找到最优解。由于它的易于实现、简单高效、鲁棒性强等特点,差分演化算法受到了诸多国内外学者的关注,且在理论研究和应用方面均获得了非常大的进展。传统差分演化算法的主要操作可以概括为种群初始化、种群评估、变异、交叉和选择几种。其中,变异、交叉和选择算子的设计会对算法的优化性能造成很大的影响,而变异算子产生的影响尤为显著,其对不同优化问题往往会表现出不同的效果。然而观察发现,在原始的差分演化算法中,选择交互个体的过程伴随着较大的随机性,变异算子的选择缺乏科学的指导,难以起到引导种群搜索的作用。针对该问题,相关研究领域的专家学者提出了许多改进差分演化算法的方案,其中利用适应值地形信息来引导种群搜索是一个较为新颖的角度,具有很大的研究空间和研究价值。基于以上思考,本文引入了适应值地形的概念,旨在从适应值地形的角度充分挖掘种群信息,并将这种信息用于指导变异策略的选择以及变异策略中引导个体的选择,从而更好的引导种群朝着有希望的方向演化。本文围绕适应值地形信息,提出四类差分演化算法框架,实现了对差分演化算法的优化性能的改善。本文的主要工作可以归纳为以下四个方面:(1)针对不同的变异策略对具有不同适应值地形的问题的优化性能不同,以及变异策略的选择缺乏有效的指导信息的问题,提出了基于函数模态利用机制的差分演化算法,在检测出待优化的函数的大致适应值地形后,将不同变异策略用于具有不同适应值地形模态的问题中。(2)为有效利用优势和劣势个体的信息引导种群演化以及减少评估次数的浪费,提出了基于历史信息利用机制的差分演化算法。其中包括有两个关键算子:基于邻近度的替换算子和负方向算子,这两个算子相结合,能够在加快算法收敛速度的同时保持种群的多样性。(3)由于适应值不同的个体在搜索空间中所处的区域不同,展现出的搜索行为也不同,因而个体的搜索机制需要与它们的搜索行为相匹配。在此基础上本文提出一种基于个体搜索行为的引导策略的差分演化算法,包括三个阶段,分别是构造、划分和引导,并在每个阶段都设计了一个启发式规则。通过这三个阶段充分利用搜索行为中个体之间的差异信息来指导种群的演变。(4)在由当前种群的最优个体引导的变异策略中,引导个体所处的区域往往会被忽略,这可能导致算法在没有希望的区域中搜索局部最优解。本文提出基于自适应多群体的学习策略的差分演化算法,采用基于群体的引导机制和基于群体的替换机制将整个种群划分成若干个群体并用于引导个体的选择。通过多样化的引导个体引导变异过程以及利用有希望的试验向量的信息,平衡算法的搜索能力和开发能力。综上所述,为了解决变异算子以及变异算子中个体的选择缺乏有效信息指导的问题,本文通过对适应值地形信息进行挖掘和利用,分别从函数模态、历史信息、个体搜索行为差异以及多群体学习四个方面,研究了对于解决全局优化问题的差分演化算法的提升机制,并用丰富的实验验证了提出的算法框架的良好优化性能,从而为科学研究与工程领域提供有效的参考。
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18
【图文】：

三种适应值地形通过观察图1.2中的三个适应值地形，可以明显的看出它们在“粗糙”程度上的差别：（a）图中有唯一的山谷，地表趋势平滑；（b）图中存在若干个山谷，

论文章节结构

【相似文献】

相关期刊论文 前10条

1 李改灵;李立华;张丽杰;;基于修正的差异演化算法机械链传动优化设计[J];军事交通学院学报;2015年01期

2 李晓靖;;差异演化算法及其在机械设计中的应用[J];科技传播;2014年01期

3 郭超峰;李梅莲;;改进的差分演化算法及其在动态规则中的应用研究[J];河南大学学报(自然科学版);2013年01期

4 韩珂;杨俊鹏;;求解旅行商问题的分布式演化算法[J];华北水利水电学院学报;2013年04期

5 张欣;王志刚;夏慧明;;差异演化算法求解多维0—1背包问题[J];科学技术与工程;2012年06期

6 王志刚;夏慧明;;基于差异演化算法的化学方程式配平研究[J];哈尔滨商业大学学报(自然科学版);2012年04期

7 刘家骏;刘大瑾;;混合差异演化算法求解多维背包问题[J];计算机与数字工程;2011年01期

8 杨卿誉;王志刚;;差异演化算法求解二次分配问题[J];科学技术与工程;2011年34期

9 李瑞华;李霞;刘坤起;;敏捷制造中伙伴选择问题的多子差异演化算法[J];山西师范大学学报(自然科学版);2011年04期

10 王志刚;;基于差异演化算法的非线性方程组求解[J];计算机工程与应用;2010年04期

相关会议论文 前10条

1 曹莲英;侯琳;李文勇;;多目标演化算法在公交车辆发车间隔优化中的应用[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

2 冯珊;李锋;周凯波;;面向演化算法应用的智能体系统建模与仿真研究[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

3 谢柏桥;戴光明;郑蔚;王剑文;;有指导的多目标演化算法在区域星座设计中的应用[A];中国宇航学会深空探测技术专业委员会第四届学术年会论文集[C];2007年

4 颜雪松;时晨;李晖;乔永强;;探测器电路优化设计的演化算法研究[A];中国宇航学会深空探测技术专业委员会第六届学术年会暨863计划“深空探测与空间实验技术”重大项目学术研讨会论文集[C];2009年

5 张文俊;谢晓锋;马君;;并行演化算法在半导体器件综合中的应用[A];2006年全国开放式分布与并行计算学术会议论文集（二）[C];2006年

6 李林;宋立荣;肖邦定;李根保;Hongqing Cao;Friedrich Recknagel;He Zhang;Grace Chan;;杂交演化算法用于滇池蓝藻水华的模拟与预警研究[A];中国藻类学会第八次会员代表大会暨第十六次学术讨论会论文摘要集[C];2011年

7 李亮;褚雪松;;基于混沌变异和局部探索方式多样性的演化算法在边坡稳定分析中的应用[A];第八次全国岩石力学与工程学术大会论文集[C];2004年

8 李彬;胡浩;李刚;;基于多目标演化算法的可靠度计算方法[A];中国力学大会-2015论文摘要集[C];2015年

9 陈伟;史小卫;;基于改进自适应演化算法的微波电路优化设计[A];2005'全国微波毫米波会议论文集（第一册）[C];2006年

10 李元香;谢曼;郑波尽;张进波;杨怡伟;;演化硬件设计的改进演化程序[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相关博士学位论文 前10条

1 刘会超;差分演化算法的演化模型分析与算法改进研究[D];武汉大学;2015年

2 喻飞;人机协同演化算法研究[D];武汉大学;2015年

3 洪文静;大规模多目标演化算法及其应用研究[D];中国科学技术大学;2018年

4 钱超;多目标演化学习理论与方法研究[D];南京大学;2015年

5 李红叶;基于平衡法则的多目标演化模型及应用研究[D];西安理工大学;2018年

6 岳雪芝;高维多目标动力学演化算法及在GPU上的实现[D];武汉大学;2013年

7 郭肇禄;猎物—捕食者模型启发的演化算法研究[D];武汉大学;2013年

8 周冲;基于参考点的高维多目标演化算法研究及其在卫星星座设计中的应用[D];中国地质大学;2018年

9 张晋媛;演化算法中基于分类的预选择策略研究[D];华东师范大学;2018年

10 汪祖柱;基于演化算法的多目标优化方法及其应用研究[D];安徽大学;2005年

相关硕士学位论文 前10条

1 赵建伟;分布式并行多目标演化算法及其在无线传感器网络部署中的应用研究[D];河北工业大学;2017年

2 闵瑞高;基于分布式并行计算的高性能演化算法研究[D];江南大学;2019年

3 徐新林;面向EED问题的多目标演化算法的设计与研究[D];长江大学;2019年

4 邵池;基于适应值地形信息的差分演化算法研究[D];华侨大学;2019年

5 黄超民;基于演化算法的高效用项集挖掘算法研究[D];北方工业大学;2019年

6 卞超;非确定环境下演化算法理论分析的研究[D];中国科学技术大学;2019年

7 刘艳凤;演化算法停机条件研究[D];华东师范大学;2019年

8 杜望;基于局部搜索策略的差分演化算法研究及改进[D];江西理工大学;2018年

9 姜武;演化算法在连续搜索空间上的时间复杂度分析[D];中国科学技术大学;2018年

10 方荟;基于均值偏移的混合演化算法研究[D];华东师范大学;2018年

本文编号：2737872