隨著科技的發(fā)展,許多來自工程和社會領(lǐng)域的問題變得越來越復(fù)雜,隨之而來的是求解這些問題變得越來越困難了,傳統(tǒng)的優(yōu)化方法已經(jīng)不能夠滿足當(dāng)前問題求解的要求。而群體智能優(yōu)化算法作為解決這些問題的一種方案,能夠很好的解決這些問題,因此越來越受到世界各國研究者的重視。差分演化（Differential Evolution,以下簡稱DE）算法是近年來一種流行的群體智能優(yōu)化算法。由于它操作簡單、控制參數(shù)少、魯棒性強(qiáng)等特點,使得算法在優(yōu)化領(lǐng)域所受到的關(guān)注逐年增長。然而,DE算法在實際優(yōu)化當(dāng)中仍然存在一些不足,如:算法控制參數(shù)的敏感性,合適的變異策略難以選取及算法局部尋優(yōu)能力并不突出等。針對這些不足,本文在對傳統(tǒng)DE算法研究的基礎(chǔ)上,提出兩種不同的改進(jìn)DE算法,主要的工作如下:首先詳細(xì)介紹了DE算法的提出、基本原理、操作流程及研究意義,給出了DE算法的流程圖和偽代碼。對國內(nèi)外DE算法的研究進(jìn)展進(jìn)行了簡單闡述,對相關(guān)改進(jìn)DE算法進(jìn)行分類歸納,總結(jié)了算法的優(yōu)勢和不足。與大多數(shù)智能算法類似,DE算法本身缺乏局部尋優(yōu)能力,這也導(dǎo)致算法在演化過程中收斂速度變慢,不能夠以較少評價次數(shù)或者演化代數(shù)收斂到問題最優(yōu)解。為保... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 其它常見的智能優(yōu)化算法
        1.3.1 和聲搜索算法
        1.3.2 人工蜂群算法
    1.4 本文主要工作和結(jié)構(gòu)安排
        1.4.1 本文主要工作
        1.4.2 論文結(jié)構(gòu)安排
第二章 差分演化算法
    2.1 差分演化算法的提出
    2.2 標(biāo)準(zhǔn)差分演化算法
    2.3 差分演化算法的流程與框架
    2.4 控制參數(shù)對算法的影響
    2.5 差分演化算法的優(yōu)缺點
        2.5.1 優(yōu)點
        2.5.2 缺點
    2.6 差分演化算法相關(guān)改進(jìn)
    2.7 本章小結(jié)
第三章 基于精英解學(xué)習(xí)的鄰域搜索差分演化算法
    3.1 引言
    3.2 精英解的反向?qū)W習(xí)
    3.3 鄰域搜索策略
    3.4 ELNDE算法具體流程描述
    3.5 ELNDE的性能測試
        3.5.1 測試函數(shù)與結(jié)果
        3.5.2 實驗結(jié)果分析與比較
    3.6 本章小節(jié)
第四章 混合區(qū)域搜索策略的自適應(yīng)差分演化算法
    4.1 引言
    4.2 提出改進(jìn)思路
    4.3 控制參數(shù)自適應(yīng)策略以及混合區(qū)域搜索
        4.3.1 參數(shù)自適應(yīng)設(shè)置
        4.3.2 區(qū)域搜索策略
    4.4 HRSDE算法具體流程描述
    4.5 HRSDE的性能測試
        4.5.1 測試函數(shù)與結(jié)果
        4.5.2 實驗結(jié)果分析
        4.5.3 參數(shù)的敏感性分析
        4.5.4 與其它智能算法比較
        4.5.5 0 -1背包問題的優(yōu)化
    4.6 本章小節(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
附錄A 13個基準(zhǔn)測試函數(shù)的詳細(xì)信息
附錄B 算法的收斂圖
附錄C 0-1背包問題仿真數(shù)據(jù)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于擇優(yōu)學(xué)習(xí)策略的差分進(jìn)化算法[J]. 劉昊,丁進(jìn)良,楊翠娥,柴天佑.  上海交通大學(xué)學(xué)報. 2017(06)
[2]精英區(qū)域?qū)W習(xí)的轉(zhuǎn)軸人工蜂群算法[J]. 熊小峰,尹雅麗,郭肇祿,吳志健.  四川大學(xué)學(xué)報(工程科學(xué)版). 2016(05)
[3]差分進(jìn)化神經(jīng)網(wǎng)絡(luò)集成的用戶偏好模型構(gòu)建[J]. 楊鳳萍,張大斌.  微型機(jī)與應(yīng)用. 2016(08)
[4]Web文本分類中的標(biāo)簽權(quán)重自動優(yōu)化研究[J]. 鐘旭東,黃章進(jìn),顧乃杰,張旭.  小型微型計算機(jī)系統(tǒng). 2016(05)
[5]基于多目標(biāo)文化差分進(jìn)化算法的污水處理廠活性污泥單元多目標(biāo)操作優(yōu)化（英文）[J]. 于騰,曹萃文,顧幸生,張亞坤.  計算機(jī)與應(yīng)用化學(xué). 2016(01)
[6]貪婪封裝二進(jìn)制差分進(jìn)化算法求解高維背包問題[J]. 錢淑渠,葉永強(qiáng),武慧虹.  控制與決策. 2016(05)
[7]基于差分進(jìn)化算法的釀酒酵母分批補(bǔ)料培養(yǎng)在線自適應(yīng)控制[J]. 張許,丁健,高鵬,高敏杰,賈祿強(qiáng),涂庭勇,史仲平.  中國生物工程雜志. 2016(01)
[8]GPU上基于改進(jìn)精英策略差分演化的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[J]. 王曉峰,吳志健,周新宇,郭肇祿.  小型微型計算機(jī)系統(tǒng). 2016(01)
[9]加權(quán)變異策略動態(tài)差分進(jìn)化算法[J]. 張錦華,宋來鎖,張元華,李富昌.  計算機(jī)工程與應(yīng)用. 2017(04)
[10]全局競爭和聲搜索算法[J]. 夏紅剛,歐陽海濱,高立群,孔祥勇.  控制與決策. 2016(02)

博士論文
[1]差分演化算法的改進(jìn)及其在聚類分析中的應(yīng)用研究[D]. 龔文引.中國地質(zhì)大學(xué) 2010

碩士論文
[1]基于差分進(jìn)化算法的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度[D]. 夏澍.華北電力大學(xué)（北京） 2010



本文編號：3586451