動態(tài)環(huán)境中差分進化算法的研究.pdf

1、我們的日常生活中存在大量的優(yōu)化問題，它構(gòu)成了我們?nèi)粘Ｉ钪械闹匾M成部分。最初的優(yōu)化方法是使用傳統(tǒng)的數(shù)學方法進行優(yōu)化，但是隨著優(yōu)化問題越來越復雜、難度越來越大，傳統(tǒng)的優(yōu)化方法已經(jīng)不能滿足這些優(yōu)化問題的需要。研究人員受到生物進化的啟發(fā)提出了進化算法來解決這些復雜的優(yōu)化問題。
　　Storn和Price于1995年提出的差分進化算法（Differential Evolution，DE）就是一個比較新穎的進化算法，因其算法簡單、控制參數(shù)

2、少并且具有很好的魯棒性，迅速引起了大批學者的關(guān)注和研究。像所有的進化算法一樣，DE是一個基于種群的優(yōu)化方法，優(yōu)化過程是通過在搜索空間中隨機初始化多個初始點開始的，DE采用實數(shù)編碼方式，利用種群中個體間的差分向量對個體進行方向擾動，實現(xiàn)個體變異，再通過交叉和選擇操作以達到對個體的函數(shù)值進行下降的目的。
　　DE在靜態(tài)環(huán)境研究已經(jīng)很多了，也比較成熟了，但是很多現(xiàn)實世界的問題卻是動態(tài)變化的，它們會因為目標函數(shù)、環(huán)境參數(shù)或者約束條件的變化

3、而隨時產(chǎn)生變化。處理動態(tài)優(yōu)化問題不僅要找到問題的全局最優(yōu)值，而且需要隨著時間的變化跟蹤最優(yōu)值的變化。這就給進化算法帶來了新的挑戰(zhàn)。
　　本文根據(jù)動態(tài)優(yōu)化問題的特點，對標準差分進化算法進行改進，提出一個基于適應度值歐式距離比率(Fitness Euclidean-Distance Ratio，F(xiàn)ER)的改進差分進化算法FERDE，然后對動態(tài)測試函數(shù)進行測試。本文工作主要分為以下幾個方面:
　　第一部分，主要介紹了優(yōu)化問題的基本

4、概念、數(shù)學模型，并根據(jù)優(yōu)化問題的性質(zhì)將其分類，總結(jié)了現(xiàn)存的優(yōu)化問題的特點。同時對進化算法進行了介紹，包括其起源、基本概念、基本思想、基本概念和其特點。
　　第二部分，主要介紹了差分進化算法，首先對差分進化算法做一個簡單的概述，接下來介紹標準差分進化算法，然后詳細的介紹了差分進化算法的研究和改進，包括對控制參數(shù)的改進，對變異策略的改進，對選擇策略的改進以及其它類型的改進，最后介紹了差分進化算法在現(xiàn)實世界的應用。
　　第三部分，

5、主要介紹動態(tài)優(yōu)化問題，首先介紹動態(tài)測試函數(shù)應該具備的特點，然后對動態(tài)測試函數(shù)進行分類并列出現(xiàn)在論文中存在的測試函數(shù)的類型，然后介紹對于動態(tài)優(yōu)化算法的不同性能評估方法并說明其優(yōu)缺點，隨后介紹一下解決動態(tài)優(yōu)化問題已經(jīng)存在的方法，同時指出不同方法的優(yōu)缺點。
　　第四部分，首先詳細的介紹一下本文使用的動態(tài)測試函數(shù)，然后針對測試函數(shù)的特點，對標準差分進化算法進行改進，使用改進過的差分進化算法對這個動態(tài)測試函數(shù)進行測試，驗證提出的算法在處理動