差分進(jìn)化算法及其應(yīng)用研究.pdf

1、隨著微電子技術(shù)和計(jì)算機(jī)技術(shù)滲透到各個(gè)科學(xué)領(lǐng)域，人類(lèi)正在步入一個(gè)技術(shù)迅速發(fā)展的新時(shí)期。計(jì)算機(jī)科學(xué)與其他學(xué)科的交叉產(chǎn)生了許多新學(xué)科，推動(dòng)著科學(xué)技術(shù)向更廣闊的領(lǐng)域發(fā)展，正在對(duì)人類(lèi)社會(huì)產(chǎn)生深遠(yuǎn)的影響。科學(xué)技術(shù)的發(fā)展和工程應(yīng)用的需要，特別是對(duì)計(jì)算速度和人工智能的需要，人們期望尋找一種高效的智能算法。進(jìn)化算法通過(guò)模擬某一自然現(xiàn)象或過(guò)程來(lái)解決問(wèn)題，具有高度并行及自組織、自適應(yīng)、自學(xué)習(xí)等特征，因而逐漸受到人們?cè)絹?lái)越多的關(guān)注。近年來(lái)，一種新穎的演化算法即

2、差分進(jìn)化算化(Differential Evolution, 簡(jiǎn)稱(chēng)DE)在各種演化算法中脫穎而出，該算法是Rainer Storn和Kenneth Price為求解切比雪夫多項(xiàng)式而提出的, 已在約束優(yōu)化計(jì)算，模糊控制器優(yōu)化設(shè)計(jì)，神經(jīng)網(wǎng)絡(luò)優(yōu)化，濾波器設(shè)計(jì)等方面得到了廣泛地應(yīng)用。與遺傳算法(GA)，粒子群優(yōu)化(PSO)等智能算法相比，差分進(jìn)化算法具有實(shí)現(xiàn)簡(jiǎn)單，穩(wěn)定性強(qiáng)，獲得近似解速度快等優(yōu)點(diǎn)，在非線(xiàn)性函數(shù)優(yōu)化中得到廣泛應(yīng)用。但和其它進(jìn)化算法