基于精英搜索策略的差分進化算法及其應用研究.pdf

1、在現(xiàn)實生活中，常常遇到關于目標優(yōu)化的問題，而絕大多數(shù)的目標優(yōu)化問題往往是多目標優(yōu)化問題。在多目標優(yōu)化問題中，由于各個目標之間相互影響，相互矛盾，一個目標的優(yōu)化，可能會引起其他目標的變差，而每個目標都有各自的意義和價值，如何均衡多個目標，使整體目標達到最優(yōu)，已成為各個領域關注的重點。
　　本文首先介紹和分析了差分進化算法以及多目標優(yōu)化問題的相關研究成果和相關算法，分別介紹了幾種多目標優(yōu)化算法的原理和過程，并分析了幾種典型的多目標進化

2、算法的求解過程，評價了這幾種算法的優(yōu)缺點。
　　其次，對差分進化算法的基本原理以及實現(xiàn)過程進行了詳細的分析。相比其他進化算法，差分進化算法具有收斂性好，容易實現(xiàn)，控制參數(shù)少，模型簡單等優(yōu)點。然而差分進化算法也存在進化算法都有的缺點，標準的差分進化算法可能會陷入局部最優(yōu)，并且存在停滯現(xiàn)象,使得算法容易早熟收斂。
　　為了加強差分進化算法的局部搜索能力，使結(jié)果跳出局部最優(yōu)，將兩種局部搜索策略同時作用到差分進化算法中，進而提出了一

3、種基于精英搜索策略的差分進化算法。此算法將局部搜索得到的新個體替換原來較劣的個體，增強了種群的多樣性。數(shù)值實驗選取六個測試函數(shù)，并與其它的差分進化算法進行比較，實驗數(shù)值結(jié)果表明兩種局部搜索策略具體互補性，兩者的結(jié)合增強了算法的性能。
　　最后，針對實際庫存管理中的問題，詳細分析了訂貨量對庫存成本投入和顧客服務水平的影響。這兩個目標相互影響，相互矛盾。根據(jù)經(jīng)典的經(jīng)濟訂貨數(shù)量模型和安全庫存的經(jīng)典計算公式，將訂貨量與這兩個目標之間的關系