【摘要】：計算智能方法是受自然界規(guī)律的啟發(fā)而設計出的一類求解問題的算法簇。相對于傳統(tǒng)的優(yōu)化方法,計算智能方法因不需要對問題本身進行精確的數(shù)學或邏輯建模,從而非常適合于解決那些傳統(tǒng)優(yōu)化方法難以解決的具有多目標、大規(guī)模、帶約束、動態(tài)且有不確定性等特征的復雜優(yōu)化問題。差分演化算法是計算智能方法中重要的一員,它主要通過當前種群中父代個體間的交互產(chǎn)生新的子代個體,然后縱向?qū)Ρ葍纱鷤�體,將其中更適應環(huán)境的一個保留下來,以推動整個種群向有希望的方向演化,從而逐步搜索找到最優(yōu)解。由于它的易于實現(xiàn)、簡單高效、魯棒性強等特點,差分演化算法受到了諸多國內(nèi)外學者的關(guān)注,且在理論研究和應用方面均獲得了非常大的進展。傳統(tǒng)差分演化算法的主要操作可以概括為種群初始化、種群評估、變異、交叉和選擇幾種。其中,變異、交叉和選擇算子的設計會對算法的優(yōu)化性能造成很大的影響,而變異算子產(chǎn)生的影響尤為顯著,其對不同優(yōu)化問題往往會表現(xiàn)出不同的效果。然而觀察發(fā)現(xiàn),在原始的差分演化算法中,選擇交互個體的過程伴隨著較大的隨機性,變異算子的選擇缺乏科學的指導,難以起到引導種群搜索的作用。針對該問題,相關(guān)研究領域的專家學者提出了許多改進差分演化算法的方案,其中利用適應值地形信息來引導種群搜索是一個較為新穎的角度,具有很大的研究空間和研究價值�；谝陨纤伎�,本文引入了適應值地形的概念,旨在從適應值地形的角度充分挖掘種群信息,并將這種信息用于指導變異策略的選擇以及變異策略中引導個體的選擇,從而更好的引導種群朝著有希望的方向演化。本文圍繞適應值地形信息,提出四類差分演化算法框架,實現(xiàn)了對差分演化算法的優(yōu)化性能的改善。本文的主要工作可以歸納為以下四個方面:(1)針對不同的變異策略對具有不同適應值地形的問題的優(yōu)化性能不同,以及變異策略的選擇缺乏有效的指導信息的問題,提出了基于函數(shù)模態(tài)利用機制的差分演化算法,在檢測出待優(yōu)化的函數(shù)的大致適應值地形后,將不同變異策略用于具有不同適應值地形模態(tài)的問題中。(2)為有效利用優(yōu)勢和劣勢個體的信息引導種群演化以及減少評估次數(shù)的浪費,提出了基于歷史信息利用機制的差分演化算法。其中包括有兩個關(guān)鍵算子:基于鄰近度的替換算子和負方向算子,這兩個算子相結(jié)合,能夠在加快算法收斂速度的同時保持種群的多樣性。(3)由于適應值不同的個體在搜索空間中所處的區(qū)域不同,展現(xiàn)出的搜索行為也不同,因而個體的搜索機制需要與它們的搜索行為相匹配。在此基礎上本文提出一種基于個體搜索行為的引導策略的差分演化算法,包括三個階段,分別是構(gòu)造、劃分和引導,并在每個階段都設計了一個啟發(fā)式規(guī)則。通過這三個階段充分利用搜索行為中個體之間的差異信息來指導種群的演變。(4)在由當前種群的最優(yōu)個體引導的變異策略中,引導個體所處的區(qū)域往往會被忽略,這可能導致算法在沒有希望的區(qū)域中搜索局部最優(yōu)解。本文提出基于自適應多群體的學習策略的差分演化算法,采用基于群體的引導機制和基于群體的替換機制將整個種群劃分成若干個群體并用于引導個體的選擇。通過多樣化的引導個體引導變異過程以及利用有希望的試驗向量的信息,平衡算法的搜索能力和開發(fā)能力。綜上所述,為了解決變異算子以及變異算子中個體的選擇缺乏有效信息指導的問題,本文通過對適應值地形信息進行挖掘和利用,分別從函數(shù)模態(tài)、歷史信息、個體搜索行為差異以及多群體學習四個方面,研究了對于解決全局優(yōu)化問題的差分演化算法的提升機制,并用豐富的實驗驗證了提出的算法框架的良好優(yōu)化性能,從而為科學研究與工程領域提供有效的參考。
【學位授予單位】：華僑大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18
【圖文】：

三種適應值地形通過觀察圖1.2中的三個適應值地形，可以明顯的看出它們在“粗糙”程度上的差別：（a）圖中有唯一的山谷，地表趨勢平滑；（b）圖中存在若干個山谷，

論文章節(jié)結(jié)構(gòu)

【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)化設計[J];軍事交通學院學報;2015年01期

2 李曉靖;;差異演化算法及其在機械設計中的應用[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)則中的應用研究[J];河南大學學報(自然科學版);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];華北水利水電學院學報;2013年04期

5 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];科學技術(shù)與工程;2012年06期

6 王志剛;夏慧明;;基于差異演化算法的化學方程式配平研究[J];哈爾濱商業(yè)大學學報(自然科學版);2012年04期

7 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

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

9 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];山西師范大學學報(自然科學版);2011年04期

10 王志剛;;基于差異演化算法的非線性方程組求解[J];計算機工程與應用;2010年04期

相關(guān)會議論文 前10條

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

2 馮珊;李鋒;周凱波;;面向演化算法應用的智能體系統(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;;有指導的多目標演化算法在區(qū)域星座設計中的應用[A];中國宇航學會深空探測技術(shù)專業(yè)委員會第四屆學術(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)化設計的演化算法研究[A];中國宇航學會深空探測技術(shù)專業(yè)委員會第六屆學術(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體器件綜合中的應用[A];2006年全國開放式分布與并行計算學術(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警研究[A];中國藻類學會第八次會員代表大會暨第十六次學術(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)定分析中的應用[A];第八次全國巖石力學與工程學術(shù)大會論文集[C];2004年

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

9 陳偉;史小衛(wèi);;基于改進自適應演化算法的微波電路優(yōu)化設計[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)博士學位論文 前10條

1 劉會超;差分演化算法的演化模型分析與算法改進研究[D];武漢大學;2015年

2 喻飛;人機協(xié)同演化算法研究[D];武漢大學;2015年

3 洪文靜;大規(guī)模多目標演化算法及其應用研究[D];中國科學技術(shù)大學;2018年

4 錢超;多目標演化學習理論與方法研究[D];南京大學;2015年

5 李紅葉;基于平衡法則的多目標演化模型及應用研究[D];西安理工大學;2018年

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

7 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;2013年

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

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

10 汪祖柱;基于演化算法的多目標優(yōu)化方法及其應用研究[D];安徽大學;2005年

相關(guān)碩士學位論文 前10條

1 趙建偉;分布式并行多目標演化算法及其在無線傳感器網(wǎng)絡部署中的應用研究[D];河北工業(yè)大學;2017年

2 閔瑞高;基于分布式并行計算的高性能演化算法研究[D];江南大學;2019年

3 徐新林;面向EED問題的多目標演化算法的設計與研究[D];長江大學;2019年

4 邵池;基于適應值地形信息的差分演化算法研究[D];華僑大學;2019年

5 黃超民;基于演化算法的高效用項集挖掘算法研究[D];北方工業(yè)大學;2019年

6 卞超;非確定環(huán)境下演化算法理論分析的研究[D];中國科學技術(shù)大學;2019年

7 劉艷鳳;演化算法停機條件研究[D];華東師范大學;2019年

8 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;2018年

9 姜武;演化算法在連續(xù)搜索空間上的時間復雜度分析[D];中國科學技術(shù)大學;2018年

10 方薈;基于均值偏移的混合演化算法研究[D];華東師范大學;2018年

本文編號：2737872