本文關(guān)鍵詞：差分進化的若干問題及其應(yīng)用研究

  更多相關(guān)文章： 進化計算 差分進化算法 相機空間操控系統(tǒng) 群搜索優(yōu)化算法 自適應(yīng)共振理論

【摘要】：進化計算作為一種新的智能優(yōu)化技術(shù),已經(jīng)廣泛應(yīng)用于工程科學(xué)的各個領(lǐng)域,與傳統(tǒng)的優(yōu)化方法相比,進化計算在對全局復(fù)雜性優(yōu)化問題的求解以及易用性方面都顯示出其優(yōu)越性。差分進化算法是一種基于種群差異的進化計算方法,通過種群內(nèi)個體間的合作與競爭來實現(xiàn)對優(yōu)化問題的求解。在對差分進化算法的研究中,算法設(shè)計一直是研究工作的重點,這方面的研究始終圍繞著兩個主題,一是提高差分進化算法的性能和工作效率,二是拓展差分進化算法的應(yīng)用領(lǐng)域。本論文圍繞這兩個主題,提出了一些新方法來提高差分進化算法的性能,另外對一些實際中常碰到的復(fù)雜優(yōu)化問題,提出了一些利用差分進化算法的新方案,具體研究內(nèi)容如下。論文首先介紹了課題的研究背景和意義；接著簡單介紹了進化計算的一些常見算法分支及其歷史；然后介紹了差分進化算法的原理以及研究現(xiàn)狀,主要介紹了差分進化算法的種群初始化、參數(shù)選擇、策略選擇以及混合算法等四個研究方向；最后介紹了本文的研究工作和創(chuàng)新點。針對差分進化算法容易陷入局部最優(yōu)解的問題,提出了新的尺度因子擾動機制。在變異操作階段,使用了隨機分布尺度因子向量代替尺度因子的固定取值,以此提高整個種群的多樣性。針對差分進化算法的交叉方式選擇問題,提出了使用局部隨機中間重組和混合交叉來改善差分進化算法的性能。在交叉操作階段,通過使用局部隨機中間重組操作生成的子代個體,可以從父代中獲得更多信息。該操作可以在以目標(biāo)向量和捐贈向量各個維度的特征為頂點構(gòu)成的超立方體內(nèi)部進行搜索。另外,從DE算法在執(zhí)行過程中可能會出現(xiàn)停滯的問題出發(fā),提出使用混合交叉操作來擴大搜索區(qū)域以提高DE的全局搜索能力,混合交叉操作可以在由父代個體確定的邊界附近一定范圍內(nèi)產(chǎn)生新的個體。針對差分進化算法的策略選擇問題,提出了新的基向量選擇機制以及種群規(guī)模的縮減機制。首先從差分進化算法中基向量的選擇問題出發(fā),提出了使用歷史最佳個體和隨機個體的線性組合作為基向量。在進化過程的不同階段,動態(tài)調(diào)整基向量中最佳個體和隨機個體所占比例,這樣既可以在進化初始階段使種群中的個體具有多樣性,又可以在進化后期提高算法的收斂性能。針對在進化后期,過多的同質(zhì)個體將集中在目標(biāo)點周圍,提出使用線性調(diào)節(jié)機制來控制組合差分進化算法的種群規(guī)模,以此提高差分進化算法的收斂性能。針對差分進化算法和其它算法進行混合操作的問題,提出了差分進化算法和群搜索優(yōu)化算法進行混合的方法來提高算法的整體性能。首先從單個算法解決實際問題時都有其各自的特點出發(fā),提出了與群搜索優(yōu)化算法混合的差分進化算法。然后又從自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)需要事先人工設(shè)定參數(shù)的問題出發(fā),提出了使用差分進化算法對簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的參數(shù)進行優(yōu)化,并將優(yōu)化后的簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)作為分類器進行實驗,結(jié)果表明使用該方法可以獲得較高的分類正確率。針對相機空間操控系統(tǒng)的精度依賴于機器人關(guān)節(jié)旋轉(zhuǎn)角度和末端效應(yīng)器上特定基準點之間的局部關(guān)系的問題,提出使用差分進化算法來估計特定基準點的相對偏移量,并對相關(guān)參數(shù)的可觀測性進行了研究和討論。針對相機空間操控系統(tǒng)的視覺參數(shù)初始值可能出現(xiàn)選擇不當(dāng)?shù)膯栴},提出使用差分進化算法來計算其視覺參數(shù)。實驗結(jié)果表明,使用差分進化算法計算得到的視覺參數(shù)可以使相機空間操控系統(tǒng)的定位精度有了明顯地提升。最后對本論文進行了總結(jié),并提出了差分進化算法存在的問題并對該算法未來可能的研究方向進行了展望。
【關(guān)鍵詞】：進化計算 差分進化算法 相機空間操控系統(tǒng) 群搜索優(yōu)化算法 自適應(yīng)共振理論
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP18
【目錄】：

• 摘要5-7
• Abstract7-11
• 1 緒論11-29
• 1.1 研究背景和意義11-12
• 1.2 幾種典型的進化計算方法12-14
• 1.3 標(biāo)準差分進化算法14-17
• 1.3.1 種群初始化14-15
• 1.3.2 變異操作15-16
• 1.3.3 交叉操作16-17
• 1.3.4 選擇操作17
• 1.4 差分進化算法的研究現(xiàn)狀17-26
• 1.4.1 差分進化的種群初始化18
• 1.4.2 差分進化的控制參數(shù)選擇18-21
• 1.4.3 差分進化的策略選擇21-24
• 1.4.4 混合算法24-26
• 1.4.5 差分進化算法的應(yīng)用26
• 1.5 本文的主要研究內(nèi)容和創(chuàng)新點26-28
• 1.5.1 主要研究內(nèi)容26-27
• 1.5.2 論文的創(chuàng)新點27-28
• 1.6 論文的安排28-29
• 2 基于可變尺度因子及多種交叉機制的差分進化算法29-45
• 2.1 引言29-31
• 2.2 可變尺度因子向量的差分進化算法31-38
• 2.3 局部隨機中間重組差分進化算法38-41
• 2.4 混合交叉差分進化算法41-43
• 2.5 本章小結(jié)43-45
• 3 改進捐贈向量和種群規(guī)模調(diào)節(jié)機制的差分進化算法45-61
• 3.1 引言45
• 3.2 差分進化算法基本策略描述45-47
• 3.3 改進捐贈向量的差分進化算法47-54
• 3.4 種群規(guī)模線性調(diào)節(jié)機制的組合差分進化算法54-58
• 3.5 基于差分進化的特征子集選擇58-59
• 3.6 本章小結(jié)59-61
• 4 混合差分進化算法61-80
• 4.1 混合差分進化算法和群搜索優(yōu)化算法61-72
• 4.1.1 群搜索優(yōu)化61-64
• 4.1.2 混合差分進化群搜索優(yōu)化算法64-65
• 4.1.3 實驗及結(jié)果分析65-72
• 4.2 基于差分進化的自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)72-78
• 4.2.1 簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)72-76
• 4.2.2 基于差分進化的簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)76
• 4.2.3 實驗及結(jié)果分析76-78
• 4.3 本章小結(jié)78-80
• 5 基于差分進化算法的相機空間操控系統(tǒng)80-103
• 5.1 引言80
• 5.2 相機空間操控系統(tǒng)介紹80-84
• 5.3 基于差分進化算法的相機空間操控系統(tǒng)優(yōu)化84-93
• 5.3.1 基準點的準確度對定位的影響84
• 5.3.2 相機空間操控系統(tǒng)的差分進化優(yōu)化84-87
• 5.3.3 實驗及結(jié)果分析87-93
• 5.4 基于差分進化的相機空間操控系統(tǒng)的參數(shù)優(yōu)化93-102
• 5.4.1 相機操控系統(tǒng)的視覺參數(shù)對定位的影響93-94
• 5.4.2 實驗結(jié)果及分析94-102
• 5.5 本章小結(jié)102-103
• 6 結(jié)論與展望103-105
• 致謝105-106
• 參考文獻106-119
• 附錄119

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉黎黎;王詩元;汪定偉;;求解交貨期可變動態(tài)調(diào)度問題的差分進化算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2011年02期

2 王杰文;;差分進化算法研究進展[J];湖南第一師范學(xué)報;2009年06期

3 劉明廣;杜綱;李高揚;;一種求解混合整數(shù)非線性規(guī)劃的新算法[J];系統(tǒng)工程;2005年10期

4 耿蕊;郎曉萍;李曉英;;超短激光脈沖的自適應(yīng)整形放大研究[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2013年02期

5 楊金龍;陳丹;;基于DE的WSN能量空洞問題最優(yōu)發(fā)射半徑選取[J];電子科技;2014年05期

6 賀筱軍;李為民;黃仁全;;基于攻擊策略的復(fù)雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)優(yōu)化模型[J];電訊技術(shù);2014年09期

7 劉召軍;高興寶;;融合自適應(yīng)混沌差分進化的粒子群優(yōu)化算法[J];紡織高校基礎(chǔ)科學(xué)學(xué)報;2015年01期

8 馬震遠;梁鈺彬;趙凱;林智勇;;基于雙變異算子的差分進化算法[J];廣東技術(shù)師范學(xué)院學(xué)報;2015年08期

9 池元成;方杰;饒大林;蔡國飆;;自適應(yīng)中心變異差分進化算法及其在渦輪葉型優(yōu)化設(shè)計中的應(yīng)用[J];航空動力學(xué)報;2010年08期

10 彭雷;戴光明;王茂才;陳方杰;;用改進的差異演化算法求解雙沖量交會問題[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2007年09期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 ;A New Differential Evolution Algorithm for Dynamic Scheduling Problems with Variant Job Weights[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

2 耿蕊;陸玉春;劉楚;張帆;王春燦;簡水生;;自適應(yīng)脈沖整形對啁啾脈沖放大系統(tǒng)的影響[A];2009年先進光學(xué)技術(shù)及其應(yīng)用研討會論文集（上冊）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 許偉;基于進化算法的復(fù)雜化工過程智能建模方法及其應(yīng)用[D];華東理工大學(xué);2011年

2 付宏杰;求解二元約束滿足問題的混合差分進化算法研究[D];吉林大學(xué);2011年

3 王勇;基于進化算法求解復(fù)雜連續(xù)優(yōu)化問題的研究[D];中南大學(xué);2011年

4 張雪霞;智能優(yōu)化算法及其在電力系統(tǒng)無功優(yōu)化中的應(yīng)用研究[D];西南交通大學(xué);2011年

5 李定啟;煤與瓦斯突出礦井瓦斯治理現(xiàn)狀評價方法及應(yīng)用[D];中國礦業(yè)大學(xué);2011年

6 郭鵬;差分進化算法改進研究[D];天津大學(xué);2012年

7 王嬈芬;過程控制操作員生理信號分析及功能狀態(tài)建模[D];華東理工大學(xué);2012年

8 高林;數(shù)據(jù)校正技術(shù)若干研究及應(yīng)用[D];華東理工大學(xué);2010年

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

10 史彥軍;復(fù)雜布局的協(xié)同差異演化方法與應(yīng)用研究[D];大連理工大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 叢婷婷;差分進化算法的并行實現(xiàn)[D];曲阜師范大學(xué);2011年

2 劉瀟;多目標(biāo)差分進化混合算法研究及其在磨礦分級中的應(yīng)用[D];中南大學(xué);2011年

3 馬勛亮;微分進化神經(jīng)網(wǎng)絡(luò)算法研究[D];哈爾濱工業(yè)大學(xué);2010年

4 邵琳琳;模體發(fā)現(xiàn)模型設(shè)計與研究[D];濟南大學(xué);2010年

5 楊寶迪;演化聚類算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2011年

6 王磊;并行與雙系統(tǒng)協(xié)同差異進化算法及其應(yīng)用[D];大連理工大學(xué);2011年

7 王遠輝;布局模式和對立協(xié)同差分進化算法及應(yīng)用[D];大連理工大學(xué);2011年

8 黃越;微分進化算法及其在無人機航跡規(guī)劃中的應(yīng)用研究[D];東北大學(xué);2009年

9 蔡思捷;差分進化算法在盲檢測中的研究與應(yīng)用[D];南京郵電大學(xué);2012年

10 劉興陽;智能算法的研究與應(yīng)用[D];江南大學(xué);2012年

，

本文編號：742313