版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、差異演化是Storn和Price在1996年提出的一種新型演化算法,近年來(lái)已經(jīng)成為演化計(jì)算中的研究熱點(diǎn)。差異演化利用種群中兩個(gè)個(gè)體向量的差向量作為第三個(gè)個(gè)體向量的擾動(dòng)分量形成變異向量,然后采用優(yōu)勝劣汰的自然選擇機(jī)制產(chǎn)生下一代種群。與其它演化算法相比,差異演化算法具有更好的搜索性能,適宜于求解高維、非線(xiàn)性和多目標(biāo)優(yōu)化問(wèn)題。目前差異演化算法已廣泛應(yīng)用于各個(gè)領(lǐng)域。然而,差異演化算法和其它演化算法一樣,也存在著早熟、后期收斂速度慢及算法控制參數(shù)
2、難以正確選取等問(wèn)題。同時(shí),差異演化算法的機(jī)理決定了它適合于求解連續(xù)空間的最優(yōu)化問(wèn)題,不能直接用來(lái)求解離散空間的組合優(yōu)化等問(wèn)題。本論文正是從這幾個(gè)方面進(jìn)行了深入研究,提出了若干改進(jìn)算法,并把這些改進(jìn)算法應(yīng)用于自適應(yīng)均衡算法設(shè)計(jì)、模糊聚類(lèi)分析、多Agent聯(lián)盟形成等領(lǐng)域,取得了很好的效果。本文主要工作和創(chuàng)新點(diǎn)概述如下: (1)為加快差異演化算法的收斂,避免算法陷入局部最優(yōu)解,提出一種雙子代競(jìng)爭(zhēng)差異演化算法DocDE。算法利用交叉操作
3、生成兩個(gè)子代個(gè)體,并通過(guò)改進(jìn)的兩次“貪心式”選擇策略與父代個(gè)體一起競(jìng)爭(zhēng)形成新一代種群。該算法可以充分利用父代個(gè)體中的有用基因信息,有效擴(kuò)大算法的搜索空間,提高算法的搜索效率。標(biāo)準(zhǔn)測(cè)試函數(shù)上的實(shí)驗(yàn)結(jié)果顯示,該算法具有較好的適應(yīng)性、穩(wěn)定性及較強(qiáng)的全局搜索能力,特別是對(duì)高維復(fù)雜函數(shù),該算法可以較快地找到最優(yōu)解。同時(shí),把DocDE算法應(yīng)用于無(wú)線(xiàn)通信系統(tǒng)中的自適應(yīng)均衡算法設(shè)計(jì),提出一種基于DocDE的自適應(yīng)均衡算法,利用DocDE代替?zhèn)鹘y(tǒng)梯度下降
4、方法調(diào)節(jié)均衡器中的抽頭系數(shù)。實(shí)驗(yàn)結(jié)果表明,基于DocDE的自適應(yīng)均衡算法能夠獲得比傳統(tǒng)基于梯度下降的LMS算法更好的收斂速度和更高的收斂精度,具有較低的誤碼率,可以有效減少訓(xùn)練序列的長(zhǎng)度,增加信息傳輸?shù)挠行r(shí)間,提高信道利用率。 (2)針對(duì)差異演化演化算法的控制參數(shù)選取問(wèn)題,提出一種自適應(yīng)差異演化算法SelfDE,自動(dòng)調(diào)整算法中的縮放因子和交叉概率。該算法對(duì)種群中每個(gè)個(gè)體都使用各自獨(dú)立的縮放因子和交叉概率,并把個(gè)體適應(yīng)度作為個(gè)體
5、對(duì)應(yīng)控制參數(shù)調(diào)整的決策依據(jù),從而克服控制參數(shù)調(diào)整的盲目性。該方法不但可以減少差異演化算法中需要人工選取的控制參數(shù),而且加快了算法的收斂速度。通過(guò)不同測(cè)試函數(shù)的仿真實(shí)驗(yàn)表明,與其它參數(shù)自適應(yīng)算法相比,SelfDE算法在最優(yōu)解質(zhì)量和收斂速度上都有較好的表現(xiàn)。另外,針對(duì)模糊聚類(lèi)問(wèn)題,提出一種動(dòng)態(tài)權(quán)和有效性函數(shù)DWSVF指標(biāo),改進(jìn)了聚類(lèi)有效性指標(biāo)的效率。將SelfDE算法應(yīng)用于模糊C-均值聚類(lèi),以動(dòng)態(tài)權(quán)和有效性函數(shù)指標(biāo)為適應(yīng)度函數(shù),提出一種基于
6、自適應(yīng)差異演化的模糊C-均值聚類(lèi)算法FCBADE。在不同數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,提出的聚類(lèi)有效性指標(biāo)DWSVF性能穩(wěn)定,F(xiàn)CBADE算法能準(zhǔn)確地找到實(shí)際聚類(lèi)數(shù)、有效地避免陷入局部極值問(wèn)題,比其它幾種聚類(lèi)算法具有更好的性能。 (3)在多Agent系統(tǒng)中,Agent聯(lián)盟形成是一個(gè)組合優(yōu)化問(wèn)題。將求解連續(xù)域上函數(shù)優(yōu)化問(wèn)題的差異演化算法應(yīng)用于離散域上組合優(yōu)化問(wèn)題求解,結(jié)合Agent聯(lián)盟形成問(wèn)題提出一種二進(jìn)制編碼差異演化算法BinDE。算
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 演化聚類(lèi)算法及其應(yīng)用研究.pdf
- 超多目標(biāo)演化算法及其應(yīng)用研究.pdf
- 演化計(jì)算的若干算法及其應(yīng)用研究.pdf
- 差異演化算法及其在機(jī)械優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf
- 基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究.pdf
- 演化聚類(lèi)算法研究及其應(yīng)用.pdf
- 差分演化算法及其在函數(shù)優(yōu)化中的應(yīng)用研究.pdf
- 求解TSP問(wèn)題的演化算法應(yīng)用研究.pdf
- 演化設(shè)計(jì)方法及其應(yīng)用研究.pdf
- 分工搜索演化算法及其應(yīng)用的研究.pdf
- 復(fù)雜布局的協(xié)同差異演化方法與應(yīng)用研究.pdf
- 人臉特征演化模型及其應(yīng)用研究.pdf
- 基于協(xié)方差學(xué)習(xí)的差異進(jìn)化算法及其應(yīng)用研究.pdf
- 產(chǎn)業(yè)集聚演化模型及其應(yīng)用研究.pdf
- 競(jìng)選算法及其應(yīng)用研究.pdf
- 改進(jìn)的差分演化算法研究及其應(yīng)用.pdf
- 基于種群自適應(yīng)策略的差分演化算法及其應(yīng)用研究.pdf
- 文化算法及其應(yīng)用研究.pdf
- 空間碎片演化模型建立及其應(yīng)用研究.pdf
- 基于改進(jìn)差分演化算法的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論