【摘要】：計算智能方法是受大自然智慧和人類智慧的啟發(fā)而設(shè)計出的一類算法的統(tǒng)稱。無論是在科學(xué)研究領(lǐng)域,還是工業(yè)生產(chǎn)領(lǐng)域,人們都避免不了遇到一些全局優(yōu)化問題,然而隨著時代的進步,傳統(tǒng)的優(yōu)化方法已經(jīng)越來越難以解決目前科學(xué)與工程上遇到的復(fù)雜優(yōu)化問題,因為這些優(yōu)化問題往往具有多目標(biāo)、大規(guī)模、帶約束、動態(tài)且有不確定性等特征。因此,計算智能方法以其結(jié)構(gòu)簡單、高效且魯棒性強等優(yōu)秀特征,迅速被廣泛關(guān)注,并且得到極大的發(fā)展。本文研究的差分演化算法,正是計算智能領(lǐng)域一種備受關(guān)注的優(yōu)秀算法。該算法通過維護一個規(guī)模為NP的種群,在解空間中不斷迭代、演化、搜索最優(yōu)解,具有易實現(xiàn)、簡單高效、魯棒性強等特征,并被成功應(yīng)用于科學(xué)與工程領(lǐng)域,解決各類領(lǐng)域的優(yōu)化難題。然而,差分演化算法也存在一些不足之處,在解決一些高復(fù)雜問題時,易出現(xiàn)收斂過快導(dǎo)致早熟,陷入局部最優(yōu)難以跳出。而目前實際科學(xué)和工程問題往往存在大量局部最優(yōu)值,這使得全局最優(yōu)解的求取變得更加困難。差分演化算法也提出多種差分變異策略,但不同策略有不同的側(cè)重點,對不同的優(yōu)化問題選擇不同變異策略會產(chǎn)生差距較大的優(yōu)化結(jié)果,變異策略的選擇已成為實際應(yīng)用中的一大難題。差分演化算法是基于種群差異的一種算法,在算法后期,種群差異逐漸變小,算法收斂速度越來越慢,局部勘探能力也變?nèi)?在有限的計算時間內(nèi),很難收斂到最優(yōu)解。面對以上提出的不足之處,我們有了以下考慮:差分演化算法是基于種群差異的演化算法,算法主要依賴種群中個體發(fā)生交互,產(chǎn)生新一代種群,從而實現(xiàn)逐步搜索找到最優(yōu)解,但是我們發(fā)現(xiàn)在原始的差分演化算法中,在選擇交互個體的過程,基本是完全隨機,種群信息沒有得到充分的挖掘和利用,變異算子也沒有起到引導(dǎo)搜索的作用。那么本文將著重于如何對種群信息的挖掘和利用,來改善差分演化算法的優(yōu)化性能。因此,如何提取種群中有用的信息和如何將有效種群信息應(yīng)用到算法搜索演化過程中,將是本文重點研究的兩個方面�；谝陨纤伎�,本文引入了動態(tài)鄰域的概念,希望借助動態(tài)鄰域充分挖掘種群信息,同時,也提出基于鄰域的變異操作策略,在選擇變異操作父向量時,充分利用動態(tài)鄰域挖掘的種群信息,從而更好的引導(dǎo)種群搜索方向。本文圍繞動態(tài)鄰域,提出四類基于動態(tài)鄰域的差分演化算法框架,加強種群個體信息的交互,實現(xiàn)了對種群信息挖掘和對有效信息利用這兩個目的。(1)為了實現(xiàn)打破固有鄰域?qū)ΨN群信息交互的限制,避免搜索陷入局部最優(yōu),同時也為了改善完全隨機選擇機制對種群信息的不重視,提出了基于隨機分組的動態(tài)鄰域差分演化算法。該算法通過在演化過程中,種群不斷重新隨機結(jié)組,動態(tài)改變個體鄰域,實現(xiàn)對種群信息的挖掘,再結(jié)合基于鄰域的變異策略,實現(xiàn)對有用信息的充分利用。(2)為了改善隨機分組對種群信息挖掘不足的缺陷,結(jié)合拓撲鄰域的優(yōu)點,提出基于自適應(yīng)鄰域大小的動態(tài)鄰域差分演化算法。在利用拓撲結(jié)構(gòu)挖掘種群信息的同時,又充分利用種群個體信息引導(dǎo)搜索。(3)為了改善單一拓撲不能適應(yīng)演化過程出現(xiàn)不同問題的缺陷,同時也為探索多拓撲之間的協(xié)同作用,結(jié)合自適應(yīng)選擇拓撲算子,提出基于自適應(yīng)多拓撲的動態(tài)鄰域差分演化算法,實現(xiàn)多種拓撲結(jié)構(gòu)之間的動態(tài)鄰域策略。(4)在利用多拓撲充分挖掘種群信息的同時,又充分考慮對種群個體信息的利用,提出基于個體依賴的多拓撲的動態(tài)鄰域差分演化算法,使得算法在種群信息挖掘和利用兩方面緊密關(guān)聯(lián)。綜上所述,本文針對差分演化算法的不足,基于動態(tài)鄰域概念,從隨機分組到拓撲結(jié)構(gòu),從單一拓撲到多拓撲協(xié)同,從自適應(yīng)選擇算子到基于個體信息利用,提出四種層層遞進的動態(tài)鄰域策略,同時通過大量的實驗評估,驗證了所提出的算法具有良好的優(yōu)化性能,并且通過對比分析這些算法策略的各自優(yōu)缺點,為科學(xué)研究與工程領(lǐng)域提供有效的參考。
【圖文】：

基本差分演化算法框架流程圖

如表 6.4 中所示，，大多數(shù)對比情況下的 R+比 R 值高，除了 30D 的MTDE/current-to-best/1 對比 DNL-DE/current-to-best/1。說明 MTDE 能夠在大多數(shù) DE 變體中，取得比 DNL-DE 更好的優(yōu)化性能，這也說明了多拓撲動態(tài)鄰域策略比隨機的動態(tài)鄰域策略更有效。表 6.4 MTDE 和 DNL-DE 在 D = 30 和 D = 50 的 CEC 2013 測試函數(shù)上的多問題Wilcoxon 符號秩檢驗結(jié)果
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 李改靈;李立華;張麗杰;;基于修正的差異演化算法機械鏈傳動優(yōu)化設(shè)計[J];軍事交通學(xué)院學(xué)報;2015年01期

2 李曉靖;;差異演化算法及其在機械設(shè)計中的應(yīng)用[J];科技傳播;2014年01期

3 郭超峰;李梅蓮;;改進的差分演化算法及其在動態(tài)規(guī)則中的應(yīng)用研究[J];河南大學(xué)學(xué)報(自然科學(xué)版);2013年01期

4 韓珂;楊俊鵬;;求解旅行商問題的分布式演化算法[J];華北水利水電學(xué)院學(xué)報;2013年04期

5 邵梁;;基于排序采樣策略的差分演化算法[J];計算機工程與應(yīng)用;2012年01期

6 張欣;王志剛;夏慧明;;差異演化算法求解多維0—1背包問題[J];科學(xué)技術(shù)與工程;2012年06期

7 王志剛;夏慧明;;基于差異演化算法的化學(xué)方程式配平研究[J];哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年04期

8 劉家駿;劉大瑾;;混合差異演化算法求解多維背包問題[J];計算機與數(shù)字工程;2011年01期

9 楊卿譽;王志剛;;差異演化算法求解二次分配問題[J];科學(xué)技術(shù)與工程;2011年34期

10 李瑞華;李霞;劉坤起;;敏捷制造中伙伴選擇問題的多子差異演化算法[J];山西師范大學(xué)學(xué)報(自然科學(xué)版);2011年04期

相關(guān)會議論文 前10條

1 曹蓮英;侯琳;李文勇;;多目標(biāo)演化算法在公交車輛發(fā)車間隔優(yōu)化中的應(yīng)用[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

2 馮珊;李鋒;周凱波;;面向演化算法應(yīng)用的智能體系統(tǒng)建模與仿真研究[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

3 謝柏橋;戴光明;鄭蔚;王劍文;;有指導(dǎo)的多目標(biāo)演化算法在區(qū)域星座設(shè)計中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第四屆學(xué)術(shù)年會論文集[C];2007年

4 顏雪松;時晨;李暉;喬永強;;探測器電路優(yōu)化設(shè)計的演化算法研究[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第六屆學(xué)術(shù)年會暨863計劃“深空探測與空間實驗技術(shù)”重大項目學(xué)術(shù)研討會論文集[C];2009年

5 張文俊;謝曉鋒;馬君;;并行演化算法在半導(dǎo)體器件綜合中的應(yīng)用[A];2006年全國開放式分布與并行計算學(xué)術(shù)會議論文集（二）[C];2006年

6 李林;宋立榮;肖邦定;李根保;Hongqing Cao;Friedrich Recknagel;He Zhang;Grace Chan;;雜交演化算法用于滇池藍藻水華的模擬與預(yù)警研究[A];中國藻類學(xué)會第八次會員代表大會暨第十六次學(xué)術(shù)討論會論文摘要集[C];2011年

7 李亮;褚雪松;;基于混沌變異和局部探索方式多樣性的演化算法在邊坡穩(wěn)定分析中的應(yīng)用[A];第八次全國巖石力學(xué)與工程學(xué)術(shù)大會論文集[C];2004年

8 李彬;胡浩;李剛;;基于多目標(biāo)演化算法的可靠度計算方法[A];中國力學(xué)大會-2015論文摘要集[C];2015年

9 陳偉;史小衛(wèi);;基于改進自適應(yīng)演化算法的微波電路優(yōu)化設(shè)計[A];2005'全國微波毫米波會議論文集（第一冊）[C];2006年

10 李元香;謝曼;鄭波盡;張進波;楊怡偉;;演化硬件設(shè)計的改進演化程序[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 張晉媛;演化算法中基于分類的預(yù)選擇策略研究[D];華東師范大學(xué);2018年

2 岳雪芝;高維多目標(biāo)動力學(xué)演化算法及在GPU上的實現(xiàn)[D];武漢大學(xué);2013年

3 郭肇祿;獵物—捕食者模型啟發(fā)的演化算法研究[D];武漢大學(xué);2013年

4 周沖;基于參考點的高維多目標(biāo)演化算法研究及其在衛(wèi)星星座設(shè)計中的應(yīng)用[D];中國地質(zhì)大學(xué);2018年

5 汪祖柱;基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究[D];安徽大學(xué);2005年

6 吳志健;演化優(yōu)化及其在微分方程反問題中的應(yīng)用[D];武漢大學(xué);2004年

7 魏波;交互式與自適應(yīng)演化算法研究[D];武漢大學(xué);2013年

8 萬書振;動態(tài)環(huán)境下差分演化算法研究與應(yīng)用[D];武漢理工大學(xué);2012年

9 武志峰;差異演化算法及其應(yīng)用研究[D];北京交通大學(xué);2009年

10 龔文引;差分演化算法的改進及其在聚類分析中的應(yīng)用研究[D];中國地質(zhì)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 孫果;基于動態(tài)鄰域的差分演化算法研究[D];華僑大學(xué);2018年

2 方薈;基于均值偏移的混合演化算法研究[D];華東師范大學(xué);2018年

3 杜望;基于局部搜索策略的差分演化算法研究及改進[D];江西理工大學(xué);2018年

4 廖雄鷹;差分演化算法的集成探索及其變異策略的改進與應(yīng)用[D];武漢科技大學(xué);2018年

5 張慧芳;引導(dǎo)聚類的多層次差分演化算法研究[D];天津理工大學(xué);2017年

6 廖景亮;差分演化算法中個體選擇機制的研究[D];華僑大學(xué);2016年

7 彭超;差分演化算法的評估、改進與應(yīng)用研究[D];大連海事大學(xué);2016年

8 趙永翔;多目標(biāo)差分演化算法的構(gòu)造及其應(yīng)用[D];武漢理工大學(xué);2007年

9 程鋼;基于差分演化算法的圖像聚類研究[D];湖北工業(yè)大學(xué);2015年

10 盧青波;差異演化算法及其在機械優(yōu)化設(shè)計中的應(yīng)用[D];太原科技大學(xué);2008年

本文編號：2606048