基于差分進(jìn)化的優(yōu)化算法及應(yīng)用研究.pdf

1、差分進(jìn)化算法是一類新型進(jìn)化計(jì)算方法，它具有全局優(yōu)化性能好、結(jié)構(gòu)簡(jiǎn)單和易于實(shí)現(xiàn)等優(yōu)點(diǎn)。由于其巨大的應(yīng)用潛力和發(fā)展前景，差分進(jìn)化算法引起了國(guó)內(nèi)外研究人員的廣泛關(guān)注。目前，差分進(jìn)化算法已在眾多領(lǐng)域中得到了廣泛的應(yīng)用，其研究成果已涉及到多個(gè)相關(guān)學(xué)科。
　　 調(diào)度優(yōu)化、連續(xù)優(yōu)化和約束優(yōu)化問(wèn)題在數(shù)學(xué)和工程實(shí)際中十分普遍，因此，對(duì)這三類問(wèn)題的研究具有十分重要的理論和實(shí)際意義。圍繞上述三類問(wèn)題，本文對(duì)基于差分進(jìn)化的優(yōu)化算法及應(yīng)用進(jìn)行了深入的研究

2、，主要工作如下:
　　 1.針對(duì)具有組合特征的調(diào)度優(yōu)化問(wèn)題，對(duì)傳統(tǒng)的差分進(jìn)化算法進(jìn)行了改進(jìn)，提出了排列差分進(jìn)化算法（簡(jiǎn)稱為PDE）和混合排列差分進(jìn)化算法(簡(jiǎn)稱為HPDE)。算法采用排列來(lái)表示問(wèn)題的解，并根據(jù)排列的特征，提出了新的基于位置的減法與加法運(yùn)算，用于構(gòu)造變異操作。同時(shí)引入了基于排列的交叉操作，用于產(chǎn)生新的個(gè)體，這些操作可以保證解的可行性。此外，為了加快解的評(píng)估和進(jìn)一步提高尋優(yōu)性能，結(jié)合零等待調(diào)度問(wèn)題的特征，基于空閑時(shí)間增

3、量矩陣，建立其非對(duì)稱旅行商模型（簡(jiǎn)稱為ATSP），并提出了一種基于快速組合啟發(fā)方法（簡(jiǎn)稱為FCH）的局部搜索策略。將HPDE用于求解帶有準(zhǔn)備時(shí)間的大規(guī)模零等待批處理調(diào)度問(wèn)題，結(jié)果表明該算法能快速發(fā)現(xiàn)高質(zhì)量的解，其性能要優(yōu)于遺傳算法、禁忌搜索和FCH等代表性方法，且HPDE具有的參數(shù)更少。
　　 2.為提高種群的多樣性，避免不必要的重復(fù)搜索和跳出局部極值，將禁忌搜索與PDE結(jié)合，提出了基于禁忌搜索的混合排列差分進(jìn)化算法(簡(jiǎn)稱為HP

4、DETL)。該算法利用Ulam距離來(lái)衡量?jī)蓚€(gè)個(gè)體間的相似性。通過(guò)設(shè)置候選解與禁忌列表中的個(gè)體之間的最小Ulam距離，以保證種群的多樣性，提高全局搜索能力。并引入FCH局部搜索策略，以便發(fā)現(xiàn)更好的解。將該算法用于求解無(wú)等待流水線調(diào)度問(wèn)題并與文獻(xiàn)中的幾種智能方法進(jìn)行比較，結(jié)果證明了HPDETL的有效性。
　　 3.為提高組合差分進(jìn)化（簡(jiǎn)稱為CoDE）在連續(xù)優(yōu)化問(wèn)題上的尋優(yōu)性能，對(duì)CoDE的個(gè)體生成策略庫(kù)進(jìn)行改進(jìn)，提出了一種改迸的組合

5、差分進(jìn)化（簡(jiǎn)稱為MCoDE），并通過(guò)典型測(cè)試函數(shù)的比較研究，驗(yàn)證了MCoDE的有效性。在此基礎(chǔ)上，提出了一種基于MCoDE和留一交叉驗(yàn)證（簡(jiǎn)稱為L(zhǎng)OO-CV）的自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)（簡(jiǎn)稱為ANFIS）的建模新方法。該方法利用LOO-CV方法對(duì)ANFIS模糊規(guī)則集進(jìn)行化簡(jiǎn)，采用MCoDE算法對(duì)ANFIS模型的參數(shù)進(jìn)行學(xué)習(xí)。將該方法用于銑削加工過(guò)程表面粗糙度的預(yù)測(cè)，結(jié)果表明該方法在小規(guī)模數(shù)據(jù)集的情況下能建立高質(zhì)量的模型，得到了滿意的預(yù)測(cè)效

6、果。
　　 4.為求解帶復(fù)雜約束的工程優(yōu)化問(wèn)題，將Oracle罰函數(shù)方法優(yōu)異的約束處理能力和CoDE高效的搜索能力相結(jié)合，提出了一種基于改進(jìn)Oracle罰函數(shù)方法和CoDE的自適應(yīng)約束優(yōu)化算法（簡(jiǎn)稱為MOCoDE）。首先，改進(jìn)了傳統(tǒng)的Oracle罰函數(shù)方法，使其符合約束優(yōu)化的標(biāo)準(zhǔn)，用于自適應(yīng)的處理各種復(fù)雜約束。引入了一種通用的離散變量連續(xù)表示方法，將帶有混合變量的復(fù)雜約束問(wèn)題轉(zhuǎn)換成一個(gè)只含有連續(xù)變量的無(wú)約束優(yōu)化問(wèn)題，再用CoDE