基于差分進化算法的動態(tài)優(yōu)化問題研究
發(fā)布時間:2023-02-26 18:16
現(xiàn)實世界中許多優(yōu)化問題都表現(xiàn)出動態(tài)性質(zhì),即待求解的問題或優(yōu)化的目標函數(shù)會隨時間而發(fā)生(隨機)變化。研究適合于求解這些普遍存在于現(xiàn)實世界的動態(tài)優(yōu)化問題的算法有著重要的現(xiàn)實意義。但是傳統(tǒng)的優(yōu)化領(lǐng)域主要關(guān)注靜態(tài)優(yōu)化問題,這類方法并不適合直接求解動態(tài)優(yōu)化問題。差分進化算法屬于基于群體的全局優(yōu)化算法,可以用來求解動態(tài)優(yōu)化問題。由于差分進化算法原理簡單,受控參數(shù)少,易于理解和實現(xiàn)等特點,并且在求解實數(shù)優(yōu)化問題上表現(xiàn)十分突出,近年來已成為動態(tài)優(yōu)化和智能計算領(lǐng)域的研究熱點。因此本文主要研究多種改進的差分進化算法來求解動態(tài)優(yōu)化問題。目前,動態(tài)優(yōu)化問題的研究難度在于:(1)環(huán)境的隨機變化或部分變化,優(yōu)化算法不能及時感知;(2)優(yōu)化算法不能有效的維持搜索種群的多樣性和快速追蹤移動的最優(yōu)解。較高的種群多樣性有利于對環(huán)境的全局搜索,而快速追蹤移動的最優(yōu)解又需要種群能在局部最優(yōu)鄰域快速收斂。本文針對這些難點研究改進的差分進化算法,主要工作如下:(1)將多種群策略和競爭策略相結(jié)合。針對動態(tài)問題的求解,提出多種群競爭差分算法。首先,將一個種群作為偵測種群,采用新的偵測方法。其次,將余下多個種群作為搜索種群,對動態(tài)環(huán)境...
【文章頁數(shù)】:88 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 引言
1.2 主要研究內(nèi)容
1.3 本文組織結(jié)構(gòu)
第二章 動態(tài)優(yōu)化問題概述
2.1 引言
2.2 動態(tài)優(yōu)化問題的定義
2.3 動態(tài)環(huán)境的特征
2.4 合適的benchmark問題
2.4.1 DF1動態(tài)問題
2.4.2 移動峰問題
2.4.3 GDBG問題
2.5 演化動態(tài)優(yōu)化方法現(xiàn)狀
第三章 差分進化算法簡介
3.1 標準差分進化算法
3.1.1 種群初始化
3.1.2 變異
3.1.3 交叉
3.1.4 選擇
3.2 差分算法家族
3.3 動態(tài)環(huán)境中的差分進化算法
3.4 本章小結(jié)
第四章 求解動態(tài)優(yōu)化問題的多種群競爭差分進化算法
4.1 產(chǎn)生新個體的常見方法
4.1.1 量子個體生成機制
4.1.2 布朗個體
4.1.3 熵的差分演化
4.2 多種群競爭差分進化算法
4.2.1 偵測環(huán)境變化方法
4.2.2 排除方法
4.2.3 種群競爭機制
4.2.4 DECS算法描述
4.3 實驗結(jié)果與分析
4.3.1 實驗設置與測試函數(shù)
4.3.2 實驗結(jié)果
4.3.3 實驗結(jié)果分析
4.4 本章小結(jié)
第五章 求解動態(tài)優(yōu)化問題的自適應差分進化算法
5.1 求解動態(tài)優(yōu)化問題的自適應差分進化算法
5.1.1 基于個體適應度的參數(shù)自適應策略
5.1.2 交叉概率CR的自適應策略
5.1.3 RDECS算法描述
5.2 實驗結(jié)果與分析
5.2.1 動態(tài)標準測試函數(shù)與評價標準
5.2.2 實驗設置
5.2.3 結(jié)果與分析
5.3 改進的自適應差分進化算法
5.3.1 改進的參數(shù)自適應策略
5.3.2 基于模擬退火的變異策略
5.3.3 ADECS算法描述
5.4 實驗結(jié)果與分析
5.4.1 實驗設置
5.4.2 多種參數(shù)結(jié)果對比分析
5.4.3 結(jié)果與分析
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
附錄一
附錄二
圖版
表版
本文編號:3750655
【文章頁數(shù)】:88 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 引言
1.2 主要研究內(nèi)容
1.3 本文組織結(jié)構(gòu)
第二章 動態(tài)優(yōu)化問題概述
2.1 引言
2.2 動態(tài)優(yōu)化問題的定義
2.3 動態(tài)環(huán)境的特征
2.4 合適的benchmark問題
2.4.1 DF1動態(tài)問題
2.4.2 移動峰問題
2.4.3 GDBG問題
2.5 演化動態(tài)優(yōu)化方法現(xiàn)狀
第三章 差分進化算法簡介
3.1 標準差分進化算法
3.1.1 種群初始化
3.1.2 變異
3.1.3 交叉
3.1.4 選擇
3.2 差分算法家族
3.3 動態(tài)環(huán)境中的差分進化算法
3.4 本章小結(jié)
第四章 求解動態(tài)優(yōu)化問題的多種群競爭差分進化算法
4.1 產(chǎn)生新個體的常見方法
4.1.1 量子個體生成機制
4.1.2 布朗個體
4.1.3 熵的差分演化
4.2 多種群競爭差分進化算法
4.2.1 偵測環(huán)境變化方法
4.2.2 排除方法
4.2.3 種群競爭機制
4.2.4 DECS算法描述
4.3 實驗結(jié)果與分析
4.3.1 實驗設置與測試函數(shù)
4.3.2 實驗結(jié)果
4.3.3 實驗結(jié)果分析
4.4 本章小結(jié)
第五章 求解動態(tài)優(yōu)化問題的自適應差分進化算法
5.1 求解動態(tài)優(yōu)化問題的自適應差分進化算法
5.1.1 基于個體適應度的參數(shù)自適應策略
5.1.2 交叉概率CR的自適應策略
5.1.3 RDECS算法描述
5.2 實驗結(jié)果與分析
5.2.1 動態(tài)標準測試函數(shù)與評價標準
5.2.2 實驗設置
5.2.3 結(jié)果與分析
5.3 改進的自適應差分進化算法
5.3.1 改進的參數(shù)自適應策略
5.3.2 基于模擬退火的變異策略
5.3.3 ADECS算法描述
5.4 實驗結(jié)果與分析
5.4.1 實驗設置
5.4.2 多種參數(shù)結(jié)果對比分析
5.4.3 結(jié)果與分析
5.5 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
附錄一
附錄二
圖版
表版
本文編號:3750655
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3750655.html
最近更新
教材專著