基于計(jì)算動(dòng)詞規(guī)則的自適應(yīng)差分進(jìn)化算法.pdf

1、在進(jìn)化算法的研究領(lǐng)域中，連續(xù)空間的多維復(fù)雜方程的優(yōu)化難度較高，而實(shí)際生活應(yīng)用中卻需要優(yōu)化技術(shù)尋找其全局最優(yōu)解。差分進(jìn)化算法是對(duì)實(shí)屬編碼基于種群差異的進(jìn)化算法，自提出以來(lái)，它簡(jiǎn)單的實(shí)現(xiàn)方法、較少的控制參數(shù)和穩(wěn)定的測(cè)試效果，使其成為近年來(lái)優(yōu)化算法研究中的熱點(diǎn)之一。但差分進(jìn)化算法在處理高維復(fù)雜方程時(shí)，它基于種群的隨機(jī)性進(jìn)化方式，降低了進(jìn)化過(guò)程魯棒性，同時(shí)容易使得收斂至局部最優(yōu)解。因此，在進(jìn)化過(guò)程中增加有效的指引使得種群往全局最優(yōu)所在的地方收斂

2、具有重要意義。
　　計(jì)算動(dòng)詞是具有進(jìn)化屬性的模糊動(dòng)力學(xué)系統(tǒng)，利用其在屬性空間定義的距離和相似度建造模型來(lái)模擬種群進(jìn)化收斂過(guò)程，本文提出了兩個(gè)改進(jìn)的自適應(yīng)差分進(jìn)化算法，來(lái)增強(qiáng)算法的魯棒性和復(fù)雜函數(shù)尋求全局最優(yōu)的能力。
　　首先，為了避免進(jìn)化過(guò)程中早熟收斂于局部最優(yōu)解，本文在變異策略中采用了小生境方法增加種群的多樣性，同時(shí)結(jié)合了計(jì)算動(dòng)詞規(guī)則均衡全局搜索能力。其次，最初的差分進(jìn)化算法對(duì)參數(shù)具有一定的敏感性，本文又提出了一個(gè)雙層結(jié)構(gòu)