分布估计算法中差分采样策略的研究

发布时间：2021-11-24 09:32

　　演化算法是一种受生物演化启发的基于基因种群的启发式优化算法。演化算法已经被广泛应用于工业设计、生物学、经济学、电力工程以及社会科学等。分布估计算法是演化计算中最近流行的一种演化算法。不同于传统的演化算法,分布估计算法中没有杂交或者变异。分布估计算法中主要包含三步,即:建模,采样,选择。采样对于分布估计算法来说是至关重要的环节,它关系到能否产生更为优异的的子代种群。优异的子代种群对于最终结果的求解有着重大意义。差分演化自从1995年被提出之后就吸引了来自于各个领域的众多学者。差分演化是一种简单但却有效的随机优化算法,得益于其诸多优点,差分演化已经被广泛应用于各个领域。差分演化在路径规划、电子工程、通信工程、工程系统设计等众多领域受到了广大学者的研究和关注。本文主要关注分布估计算法中采样的相关工作。传统的分布估计算法通过建立的概率模型来进行采样。本文受差分演化思想所启发,提出了基于差分演化的采样策略,即差分采样策略（DES）,并将这种采样策略应用于分布估计算法之中,从而提高算法性能和运行效率。本文利用差分采样策略来提升分布估计算法的采样,并且分别研究其在解决单目标和多目标优化问题上的性能表... 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
第一章 绪论
    1.1 研究的目的和意义
    1.2 本文的主要工作
    1.3 本文的内容安排
第二章 研究背景
    2.1 最优化问题
    2.2 演化算法
    2.3 分布估计算法
    2.4 差分演化
    2.5 本章小结
第三章 基于差分采样的单目标优化
    3.1 全局单目标优化问题
    3.2 基于差分采样的单目标分布估计算法
    3.3 实验分析
    3.4 本章小结
第四章 基于差分采样的多目标优化
    4.1 连续多目标优化问题
    4.2 基于差分采样的多目标分布估计算法
    4.3 实验分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 工作展望
参考文献
致谢
在校期间的学术论文和科研项目



本文编号：3515705