發(fā)布時(shí)間：2018-12-13 06:35

【摘要】：基于分而治之的策略,研究求解大規(guī)模優(yōu)化問題的新方法。首先,基于加性可分性原理提出一種改進(jìn)的變量分組方法,該方法以隨機(jī)取點(diǎn)的方式,成對(duì)檢測(cè)所有變量之間的相關(guān)性;同時(shí),充分利用相關(guān)性學(xué)習(xí)的信息,對(duì)可分變量組進(jìn)行再次降維;其次,引入改進(jìn)的差分進(jìn)化算法作為新型子問題優(yōu)化器,增強(qiáng)了子空間的尋優(yōu)性能;最后,將兩項(xiàng)改進(jìn)引入到協(xié)同進(jìn)化框架構(gòu)建DECC-NDG-CUDE算法。在10個(gè)選定的大規(guī)模優(yōu)化問題上進(jìn)行分組和優(yōu)化兩組仿真實(shí)驗(yàn),分組實(shí)驗(yàn)結(jié)果表明新的分組方法能有效識(shí)別變量的相關(guān)性,是有效的變量分組方法;優(yōu)化實(shí)驗(yàn)表明,DECCNDG-CUDE算法對(duì)10個(gè)問題的求解相對(duì)于兩種知名算法DECC-DG、DECCG在性能上具備整體優(yōu)勢(shì)。
[Abstract]:Based on the divide-and-conquer strategy, a new method for solving large-scale optimization problems is studied. Firstly, based on the additive separability principle, an improved variable grouping method is proposed, which detects the correlation between all variables in pairs by randomly selecting points. At the same time, we make full use of the information of correlation learning to reduce the dimension of separable variables again. Secondly, the improved differential evolution algorithm is introduced as a new subproblem optimizer to enhance the performance of subspace optimization. Finally, two improvements are introduced into the coevolutionary framework to construct DECC-NDG-CUDE algorithm. Two groups of simulation experiments are carried out on 10 selected large-scale optimization problems. The results of grouping experiments show that the new grouping method can effectively identify the correlation of variables and is an effective method for grouping variables. The optimization experiments show that the DECCNDG-CUDE algorithm has a global advantage over two well-known algorithms DECC-DG,DECCG in solving 10 problems.
【作者單位】： 九江學(xué)院信息科學(xué)與技術(shù)學(xué)院;九江學(xué)院理學(xué)院;軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室(武漢大學(xué));
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61364025) 江西省教育廳科技項(xiàng)目(GJJ161072,GJJ161076)~~
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳亮紅;王耀南;陳正龍;;求解混合整數(shù)非線性規(guī)劃問題的改進(jìn)差分進(jìn)化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2007年04期

2 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進(jìn)化[J];控制與決策;2007年11期

3 楊啟文;蔡亮;薛云燦;;差分進(jìn)化算法綜述[J];模式識(shí)別與人工智能;2008年04期

4 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進(jìn)化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

5 寧桂英;周永權(quán);;基于優(yōu)進(jìn)策略的新差分進(jìn)化算法動(dòng)力學(xué)模型參數(shù)的估計(jì)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2008年05期

6 譚躍;譚冠政;涂立;;一種新的混沌差分進(jìn)化算法[J];計(jì)算機(jī)工程;2009年11期

7 王培崇;錢旭;王月;虎曉紅;;差分進(jìn)化計(jì)算研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2009年28期

8 肖術(shù)駿;朱學(xué)峰;;一種改進(jìn)的快速高效的差分進(jìn)化算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年11期

9 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進(jìn)化算法[J];輕工機(jī)械;2010年05期

10 王艷宜;;改進(jìn)差分進(jìn)化算法及其應(yīng)用[J];機(jī)械設(shè)計(jì)與研究;2010年05期

相關(guān)會(huì)議論文 前5條

1 陸絲馨;肖健梅;王錫淮;;基于改進(jìn)差分進(jìn)化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 張倩;李海港;;多目標(biāo)問題的差分進(jìn)化算法研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

3 劉國(guó)帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進(jìn)化算法在三峽電站廠內(nèi)經(jīng)濟(jì)運(yùn)行中的應(yīng)用[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

4 倪惠康;杜文莉;錢鋒;;基于改進(jìn)差分進(jìn)化算法的PID參數(shù)優(yōu)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

5 雍龍泉;;求解一類多目標(biāo)優(yōu)化問題的極大熵差分進(jìn)化算法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進(jìn)化多目標(biāo)優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 謝宇;差分進(jìn)化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

3 董峗;差分進(jìn)化算法研究及在港口物流調(diào)度中的應(yīng)用[D];東北大學(xué);2015年

4 葛延峰;有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究[D];東北大學(xué);2013年

5 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

6 王旭;改進(jìn)差分進(jìn)化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

7 董明剛;基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

8 丁青鋒;基于元胞自動(dòng)機(jī)的差分進(jìn)化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

9 徐斌;基于差分進(jìn)化算法的多目標(biāo)優(yōu)化方法研究及其應(yīng)用[D];華東理工大學(xué);2013年

10 解為成;基于局部摸索的差分進(jìn)化算法及其在曲面重建中的應(yīng)用[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進(jìn)化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進(jìn)化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進(jìn)化算法的混凝土德拜模型的研究[D];長(zhǎng)安大學(xué);2015年

4 江華;差分進(jìn)化算法的改進(jìn)及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 任甜甜;差分進(jìn)化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

6 王丹;基于輔助函數(shù)的自適應(yīng)差分進(jìn)化算法研究[D];西安電子科技大學(xué);2014年

7 劉家華;基于進(jìn)化計(jì)算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

8 張偉;差分進(jìn)化算法的改進(jìn)研究[D];西安電子科技大學(xué);2014年

9 侍倩;基于差分進(jìn)化算法的多目標(biāo)優(yōu)化問題的研究[D];東華大學(xué);2016年

10 萬小蘭;差分進(jìn)化算法及其在企業(yè)信息化中的應(yīng)用研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

，

本文編號(hào)：2376082