師法自然特別是生物進(jìn)化原理的進(jìn)化算法,在處理復(fù)雜、非線性優(yōu)化問題方面具有突出的全局尋優(yōu)能力。作為一種較先進(jìn)的進(jìn)化算法,差分進(jìn)化算法簡便易行且性能較好,適用于求解全局優(yōu)化問題,因而得到了廣泛的研究和應(yīng)用。但是其控制參數(shù)的設(shè)置會(huì)在很大程度上影響算法性能,現(xiàn)行的經(jīng)驗(yàn)/實(shí)驗(yàn)選擇方式耗時(shí)耗力且效果不佳；同時(shí),該算法處理大規(guī)模復(fù)雜問題的能力還較弱。如何設(shè)置合適的控制參數(shù)確保差分進(jìn)化算法的性能穩(wěn)定,以及如何顯著提高其處理大規(guī)模復(fù)雜問題的能力,都是亟待研究和解決的問題。此外,進(jìn)化設(shè)計(jì)已在可逆邏輯綜合這一重要的新興研究領(lǐng)域獲得了初步的成功應(yīng)用,但其優(yōu)化程度尚需顯著提高,因而亟需面向可逆邏輯進(jìn)化設(shè)計(jì)研究和應(yīng)用改進(jìn)的差分進(jìn)化算法。 本文在系統(tǒng)地討論和研究進(jìn)化算法特別是差分進(jìn)化算法的基本原理和算法要點(diǎn)的基礎(chǔ)上,為了提高差分進(jìn)化算法性能,從多角度入手,提出了種群自適應(yīng)調(diào)整的差分進(jìn)化算法；并進(jìn)一步利用協(xié)同進(jìn)化思想提高其處理大規(guī)模優(yōu)化問題能力；最后提出和驗(yàn)證了基于多目標(biāo)差分進(jìn)化的可逆邏輯綜合方法。本文的主要貢獻(xiàn)在于： 1.提出了種群自適應(yīng)調(diào)整的差分進(jìn)化算法。在系統(tǒng)研究差分進(jìn)化算法的基礎(chǔ)上,針對種群規(guī)模對算法性能的影...

【文章頁數(shù)】：135 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
目錄
第一章 緒論
    1.1 研究背景和意義
    1.2 主要研究內(nèi)容及創(chuàng)新點(diǎn)
    1.3 論文研究思路及結(jié)構(gòu)安排
        1.3.1 論文研究思路
        1.3.2 論文結(jié)構(gòu)安排
第二章 進(jìn)化計(jì)算簡介
    2.1 引言
    2.2 進(jìn)化計(jì)算
    2.3 差分進(jìn)化算法
        2.3.1 差分進(jìn)化算法基礎(chǔ)
        2.3.2 差分進(jìn)化算法的改進(jìn)研究
    2.4 協(xié)同進(jìn)化算法
        2.4.1 協(xié)同進(jìn)化算法的基礎(chǔ)
        2.4.2 協(xié)同進(jìn)化算法的發(fā)展
    2.5 多目標(biāo)進(jìn)化計(jì)算
        2.5.1 多目標(biāo)優(yōu)化基礎(chǔ)
        2.5.2 主要的多目標(biāo)進(jìn)化算法
    2.6 小結(jié)
第三章 可逆邏輯綜合基礎(chǔ)
    3.1 引言
    3.2 可逆計(jì)算
    3.3 可逆函數(shù)
    3.4 可逆邏輯門
        3.4.1 一位可逆邏輯門
        3.4.2 2*2可逆邏輯門
        3.4.3 3*3可逆邏輯門
    3.5 可逆邏輯綜合
        3.5.1 可逆邏輯綜合
        3.5.2 可逆邏輯綜合方法及發(fā)展
    3.6 小結(jié)
第四章 種群自適應(yīng)調(diào)整的差分進(jìn)化算法
    4.1 引言
    4.2 JADE算法
    4.3 種群自適應(yīng)調(diào)整的差分進(jìn)化算法
        4.3.1 進(jìn)化策略選擇器
        4.3.2 種群規(guī)模調(diào)整機(jī)制
    4.4 實(shí)驗(yàn)與結(jié)果
        4.4.1 測試函數(shù)
        4.4.2 參數(shù)設(shè)置
        4.4.3 算法綜合性能比較分析
        4.4.4 收斂速度和達(dá)優(yōu)率的比較
        4.4.5 與ATPS相比較
        4.4.6 SapsDE時(shí)間復(fù)雜度分析
        4.4.7 參數(shù)設(shè)定研究
    4.5 小結(jié)
第五章 協(xié)同自適應(yīng)差分進(jìn)化算法
    5.1 引言
    5.2 相關(guān)研究
    5.3 協(xié)同自適應(yīng)差分進(jìn)化算法
        5.3.1 分組調(diào)節(jié)方案
        5.3.2 最優(yōu)合作算子保留方案
    5.4 實(shí)驗(yàn)結(jié)果和討論
        5.4.1 測試函數(shù)
        5.4.2 參數(shù)設(shè)定
        5.4.3 與其他適應(yīng)性差分進(jìn)化算法變體的比較
        5.4.4 與協(xié)同差分進(jìn)化算法的比較
        5.4.5 CoSaDE中各策略的作用
    5.5 小結(jié)
第六章 基于多目標(biāo)差分進(jìn)化的可逆邏輯綜合
    6.1 引言
    6.2 多目標(biāo)協(xié)同差分進(jìn)化算法
        6.2.1 離散差分進(jìn)化操作
        6.2.2 種群更新方案
    6.3 基于多目標(biāo)差分進(jìn)化的可逆邏輯綜合
        6.3.1 門器件庫
        6.3.2 門級(jí)陣列結(jié)構(gòu)模型
        6.3.3 編解碼方案
        6.3.4 多目標(biāo)綜合適應(yīng)函數(shù)
        6.3.5 修復(fù)及簡化方法
        6.3.6 基于多目標(biāo)差分進(jìn)化的可逆邏輯綜合方法的實(shí)現(xiàn)
    6.4 實(shí)驗(yàn)及結(jié)果
        6.4.1 結(jié)果對比分析參數(shù)設(shè)定
        6.4.2 測試結(jié)果
        6.4.3 結(jié)果對比分析
    6.5 小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表和投稿的論文
致謝



本文編號(hào)：3962113