差分进化算法改进研究

发布时间：2017-09-02 01:09

  本文关键词：差分进化算法改进研究

  更多相关文章： 差分进化算法 模式搜索 早熟收敛 变异因子 交叉因子

【摘要】：差分进化算法(Differential Evolution,DE)是由Storn和Price提出的一类全局搜索能力较强的新型智能优化算法,该算法基于实数编码,具有操作原理简单、控制参数少、稳定性强、鲁棒性高和易于实现等优点。因此,该算法在进化计算领域的认可度越来越高,适用性越来越广泛。本文详细介绍了标准DE算法,分析了标准DE算法的优点和不足,针对算法在优化函数时存在的问题进行了改进,并研究了算法控制参数的自适应调整方法,最后通过数值实验证明了改进算法的有效性。论文的主要研究工作如下:(1)详细介绍了DE算法的研究意义、基本原理及操作流程,给出了DE算法的工作流程和执行伪代码,介绍了几种常见的DE扩展形式,通过分析国内外DE算法的研究进展,对DE算法的相关改进进行分类归纳,并将DE算法与遗传算法等其它算法进行比较,总结了该算法的优势和不足。(2)在DE算法的搜索过程中,融入了一种局部搜索能力较强的算法——模式搜索算法,将DE算法的强全局搜索特点与模式搜索的强局部搜索特点相结合,弥补了DE算法局部搜索能力弱的缺陷,形成一种超越母体算法性能的新算法。同时,新算法还引入了一个早熟收敛判断机制,即在优化时首先执行DE算法的基本操作,若算法搜索后期陷入了局部收敛,再进行模式搜索,更新搜索后种群的最优个体及最优适应值,从而改善算法的性能。(3)在基本DE算法的基础上,设计出一种改进的参数自适应差分进化算法。根据种群个体的适应值的大小调节变异因子,变异因子随着生成差分矢量的两个个体在可行解范围内的位置进行自适应调节,交叉因子根据变异个体向量适应值的大小自适应调节,同时将变异、交叉和选择后的每一代个体与新的随机群体进行种群外竞争,使竞争后的个体以较好的稳定性及较快的速度向最优解逼近。最后将改进算法与基本DE算法进行性能比较测试,测试结果证明了改进算法的可行性与有效性。
【关键词】：差分进化算法 模式搜索 早熟收敛 变异因子 交叉因子
【学位授予单位】：西北师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-15
• 1.1 研究背景与意义10-12
• 1.1.1 优化计算10-11
• 1.1.2 进化算法11
• 1.1.3 差分进化算法11-12
• 1.2 国内外研究现状12-13
• 1.3 主要研究内容13
• 1.4 本文的章节安排13-15
• 第2章 差分进化算法综述15-29
• 2.1 标准差分进化算法15-22
• 2.1.1 算法原理15
• 2.1.2 算法流程15-20
• 2.1.3 算法工作示意图20-21
• 2.1.4 算法伪代码21-22
• 2.2 差分进化算法常见的扩展形式22-23
• 2.3 差分进化算法相关改进23-27
• 2.3.1 控制参数的改进23-25
• 2.3.2 操作算子的改进25-26
• 2.3.3 种群结构的改进26
• 2.3.4 混合差分进化算法的改进26-27
• 2.4 差分进化算法与其他算法比较27
• 2.5 差分进化算法优缺点27-28
• 2.5.1 差分进化算法的优点27
• 2.5.2 差分进化算法的缺点27-28
• 2.6 本章小结28-29
• 第3章 混合差分进化算法改进研究29-42
• 3.1 引言29
• 3.2 基于模式搜索的差分进化算法29-33
• 3.2.1 群体适应度方差30
• 3.2.2 模式搜索算法30-32
• 3.2.3 算法设计32-33
• 3.3 基于混沌搜索的差分进化算法33-36
• 3.3.1 混沌搜索算法33-34
• 3.3.2 算法设计34-36
• 3.4 数值实验36-40
• 3.4.1 测试函数36-37
• 3.4.2 测试结果与分析37-40
• 3.5 本章小结40-42
• 第4章 参数自适应差分进化算法改进研究42-50
• 4.1 引言42
• 4.2 差分进化算法控制参数的影响分析42-43
• 4.2.1 种群规模42
• 4.2.2 变异因子42
• 4.2.3 交叉因子42-43
• 4.3 改进思路43-45
• 4.3.1 种群适应值评价43
• 4.3.2 变异操作43
• 4.3.3 缩放因子F自适应改进43-44
• 4.3.4 交叉因子CR自适应改进44-45
• 4.3.5 种群外竞争策略45
• 4.4 算法设计45
• 4.5 数值实验45-49
• 4.6 本章小结49-50
• 第5章 总结与展望50-52
• 5.1 本文总结50
• 5.2 工作展望50-52
• 参考文献52-56
• 攻读学位期间的研究成果56-57
• 致谢57

【相似文献】

中国期刊全文数据库 前10条

1 吴燕玲;卢建刚;孙优贤;;基于免疫原理的差分进化[J];控制与决策;2007年11期

2 杨启文;蔡亮;薛云灿;;差分进化算法综述[J];模式识别与人工智能;2008年04期

3 许小健;黄小平;钱德玲;;自适应加速差分进化算法[J];复杂系统与复杂性科学;2008年01期

4 宁桂英;周永权;;基于优进策略的新差分进化算法动力学模型参数的估计[J];计算机与应用化学;2008年05期

5 谭跃;谭冠政;涂立;;一种新的混沌差分进化算法[J];计算机工程;2009年11期

6 王培崇;钱旭;王月;虎晓红;;差分进化计算研究综述[J];计算机工程与应用;2009年28期

7 肖术骏;朱学峰;;一种改进的快速高效的差分进化算法[J];合肥工业大学学报(自然科学版);2009年11期

8 周萧;王万良;徐新黎;;解决作业车间调度问题的混合差分进化算法[J];轻工机械;2010年05期

9 王艳宜;;改进差分进化算法及其应用[J];机械设计与研究;2010年05期

10 张照生;罗健旭;;基于差分进化算法的模糊神经网络控制器[J];计算机与应用化学;2011年12期

中国重要会议论文全文数据库 前10条

1 陆丝馨;肖健梅;王锡淮;;基于改进差分进化算法的舰船电网重构[A];第二十九届中国控制会议论文集[C];2010年

2 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

3 张倩;李海港;;多目标问题的差分进化算法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

4 裴振奎;刘真;赵艳丽;;差分进化算法在多目标路径规划中的应用[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

5 刘国帅;杨侃;陈静;周景舒;周冉;郑姣;;差分进化算法在三峡电站厂内经济运行中的应用[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

6 刘潇;桂卫华;王雅琳;王晓丽;阳春华;;一种改进的多目标差分进化算法研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年

8 袁沈坚;顾幸生;;基于差分进化的膜计算优化算法[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

9 姜立强;郭铮;刘光斌;;差分进化算法缩放因子取值策略研究[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

10 倪惠康;杜文莉;钱锋;;基于改进差分进化算法的PID参数优[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国博士学位论文全文数据库 前10条

1 孙浩;差分进化多目标优化算法及其在铝热连轧轧制规程中应用[D];燕山大学;2015年

2 陈盈果;面向任务的快速响应空间卫星部署优化设计方法研究[D];国防科学技术大学;2014年

3 谢宇;差分进化的若干问题及其应用研究[D];南京理工大学;2015年

4 丁青锋;基于元胞自动机的差分进化算法及其在通信系统中的应用研究[D];上海大学;2015年

5 董峗;差分进化算法研究及在港口物流调度中的应用[D];东北大学;2015年

6 葛延峰;有关智能优化算法及应用的若干问题研究[D];东北大学;2013年

7 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年

8 刘荣辉;多阶段自适应差分进化算法及应用研究[D];东华大学;2012年

9 郭鹏;差分进化算法改进研究[D];天津大学;2012年

10 王旭;改进差分进化算法及其在可逆逻辑综合中的应用[D];东华大学;2013年

中国硕士学位论文全文数据库 前10条

1 高静;量子差分进化算法在油田开发中的应用研究[D];浙江大学;2015年

2 万婧;基于离散微粒群算法和混合差分进化算法的复杂生产调度问题求解[D];昆明理工大学;2015年

3 张转;基于差分进化算法的混凝土德拜模型的研究[D];长安大学;2015年

4 江华;差分进化算法的改进及其在K-means聚类算法中的应用[D];华中师范大学;2015年

5 周志刚;基于差分进化算法的信用风险度量模型研究[D];华中师范大学;2015年

6 任甜甜;差分进化算法在反演问题中的研究与应用[D];新疆大学;2015年

7 杨洋;基于差分进化的模糊C-均值聚类算法研究[D];电子科技大学;2015年

8 王丹;基于辅助函数的自适应差分进化算法研究[D];西安电子科技大学;2014年

9 刘家华;基于进化计算的轧制生产过程操作优化算法与系统开发[D];东北大学;2013年

10 王旦平;圆形对称振子阵列天线基于差分进化算法的综合[D];西安电子科技大学;2014年

本文编号：775462