改進的差分演化算法研究及其應用.pdf

1、約束優(yōu)化問題一直以來都是眾多學者研究的課題。最初學者使用解析法和數(shù)值法對約束優(yōu)化問題進行求解，取得了不錯的成績。但是隨著問題的不斷變化，很多約束優(yōu)化問題具備了非線性、非連續(xù)、多峰性、不可微等特性，使得傳統(tǒng)的優(yōu)化方法難以求解或者是完全失效，因此學者們致力于尋找更好的算法用于求解約束優(yōu)化問題。差分演化算法作為啟發(fā)式算法中的佼佼者，很快就進入了眾多學者的研究范圍，并且提出了很多優(yōu)秀的改進算法用于求解約束優(yōu)化問題。
　　差分演化算法主要依

2、賴的三個控制參數(shù)是種群規(guī)模 NP、雜交概率 CR和縮放因子F，主要依賴的三個演化操作是雜交、變異和選擇。差分演化算法在求解過程中具有兩點不足，一方面是對控制參數(shù)的設置很敏感，另一方面是對演化操作的選擇也是尤為重要。本論文針對差分演化算法的不足對其進行改進，提出了兩種改進的差分演化算法。本論文第三章對自適應差分演化算法JADE進行研究，同時結合ZJADE算法思想，加入基于歸檔的自適應均衡模型技術，提出了一種新的基于JADE的差分演化算法(

3、CO-JADE)。本論文第四章提出一種基于單形正交實驗技術的差分演化算法(SO-DE)，該算法結合單形交叉和正交實驗設計技術提出了一種單形正交交叉算子，同時對基于歸檔的自適應均衡模型技術進行改進提出一種改進的個體優(yōu)劣比較準則。使用CEC2006演化計算標準測試集對CO-JADE算法和SO-DE算法進行性能測試，實驗數(shù)據(jù)表明CO-JADE算法和SO-DE算法具有優(yōu)秀的尋優(yōu)性能和良好的穩(wěn)定性。
　?。?）針對約束優(yōu)化問題中目標函數(shù)值和

4、約束違反量兩者之間的權重關系提出一種改進的個體優(yōu)劣比較準則。該準則考慮整個演化過程中種群所有個體呈現(xiàn)的3種不同的狀態(tài)采用不同的處理方法，主要考慮當前種群個體的目標函數(shù)值的取值范圍和約束違反量的取值范圍，動態(tài)的將目標函數(shù)值和約束違反量轉化為一個歸一化的適應值，然后根據(jù)這個歸一化的適應值大小選擇個體進入下一代種群中，完成差分演化算法中的選擇操作。
　　（2）單形交叉算子具有均勻分布產(chǎn)生后代個體和具有后代個體均值不變的特點，正交實驗設計

5、具有“均勻分散，實驗次數(shù)較少，齊整可比”的特點。結合單形交叉算子和多父代正交交叉算子提出一種新的交叉算子，稱為單形正交交叉算子。單形正交交叉算子具有單形交叉的均勻分布的特點，同時也具有正交實驗設計的代表性和高效性，使得單形正交交叉算子具有很好的搜索能力。
　?。?）將改進的自適應差分演化算法結合基于歸檔的自適應均衡模型用于求解約束優(yōu)化問題。改進的自適應差分演化算法能夠根據(jù)演化過程中的狀態(tài)變化而自適應選擇不同的縮放因子F和交叉概率C