差分進(jìn)化的若干問(wèn)題及其應(yīng)用研究.pdf

1、進(jìn)化計(jì)算作為一種新的智能優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于工程科學(xué)的各個(gè)領(lǐng)域，與傳統(tǒng)的優(yōu)化方法相比，進(jìn)化計(jì)算在對(duì)全局復(fù)雜性優(yōu)化問(wèn)題的求解以及易用性方面都顯示出其優(yōu)越性。差分進(jìn)化算法是一種基于種群差異的進(jìn)化計(jì)算方法，通過(guò)種群內(nèi)個(gè)體間的合作與競(jìng)爭(zhēng)來(lái)實(shí)現(xiàn)對(duì)優(yōu)化問(wèn)題的求解。在對(duì)差分進(jìn)化算法的研究中，算法設(shè)計(jì)一直是研究工作的重點(diǎn)，這方面的研究始終圍繞著兩個(gè)主題，一是提高差分進(jìn)化算法的性能和工作效率，二是拓展差分進(jìn)化算法的應(yīng)用領(lǐng)域。本論文圍繞這兩個(gè)主題，提出

2、了一些新方法來(lái)提高差分進(jìn)化算法的性能，另外對(duì)一些實(shí)際中常碰到的復(fù)雜優(yōu)化問(wèn)題，提出了一些利用差分進(jìn)化算法的新方案，具體研究?jī)?nèi)容如下。
　　論文首先介紹了課題的研究背景和意義;接著簡(jiǎn)單介紹了進(jìn)化計(jì)算的一些常見(jiàn)算法分支及其歷史;然后介紹了差分進(jìn)化算法的原理以及研究現(xiàn)狀，主要介紹了差分進(jìn)化算法的種群初始化、參數(shù)選擇、策略選擇以及混合算法等四個(gè)研究方向;最后介紹了本文的研究工作和創(chuàng)新點(diǎn)。
　　針對(duì)差分進(jìn)化算法容易陷入局部最優(yōu)解的問(wèn)題，

3、提出了新的尺度因子擾動(dòng)機(jī)制。在變異操作階段，使用了隨機(jī)分布尺度因子向量代替尺度因子的固定取值，以此提高整個(gè)種群的多樣性。
　　針對(duì)差分進(jìn)化算法的交叉方式選擇問(wèn)題，提出了使用局部隨機(jī)中間重組和混合交叉來(lái)改善差分進(jìn)化算法的性能。在交叉操作階段，通過(guò)使用局部隨機(jī)中間重組操作生成的子代個(gè)體，可以從父代中獲得更多信息。該操作可以在以目標(biāo)向量和捐贈(zèng)向量各個(gè)維度的特征為頂點(diǎn)構(gòu)成的超立方體內(nèi)部進(jìn)行搜索。另外，從DE算法在執(zhí)行過(guò)程中可能會(huì)出現(xiàn)停滯的

4、問(wèn)題出發(fā)，提出使用混合交叉操作來(lái)擴(kuò)大搜索區(qū)域以提高DE的全局搜索能力，混合交叉操作可以在由父代個(gè)體確定的邊界附近一定范圍內(nèi)產(chǎn)生新的個(gè)體。
　　針對(duì)差分進(jìn)化算法的策略選擇問(wèn)題，提出了新的基向量選擇機(jī)制以及種群規(guī)模的縮減機(jī)制。首先從差分進(jìn)化算法中基向量的選擇問(wèn)題出發(fā)，提出了使用歷史最佳個(gè)體和隨機(jī)個(gè)體的線性組合作為基向量。在進(jìn)化過(guò)程的不同階段，動(dòng)態(tài)調(diào)整基向量中最佳個(gè)體和隨機(jī)個(gè)體所占比例，這樣既可以在進(jìn)化初始階段使種群中的個(gè)體具有多樣性，

5、又可以在進(jìn)化后期提高算法的收斂性能。針對(duì)在進(jìn)化后期，過(guò)多的同質(zhì)個(gè)體將集中在目標(biāo)點(diǎn)周圍，提出使用線性調(diào)節(jié)機(jī)制來(lái)控制組合差分進(jìn)化算法的種群規(guī)模，以此提高差分進(jìn)化算法的收斂性能。
　　針對(duì)差分進(jìn)化算法和其它算法進(jìn)行混合操作的問(wèn)題，提出了差分進(jìn)化算法和群搜索優(yōu)化算法進(jìn)行混合的方法來(lái)提高算法的整體性能。首先從單個(gè)算法解決實(shí)際問(wèn)題時(shí)都有其各自的特點(diǎn)出發(fā)，提出了與群搜索優(yōu)化算法混合的差分進(jìn)化算法。然后又從自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)需要事先人工設(shè)定參

6、數(shù)的問(wèn)題出發(fā)，提出了使用差分進(jìn)化算法對(duì)簡(jiǎn)化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，并將優(yōu)化后的簡(jiǎn)化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行實(shí)驗(yàn)，結(jié)果表明使用該方法可以獲得較高的分類正確率。
　　針對(duì)相機(jī)空間操控系統(tǒng)的精度依賴于機(jī)器人關(guān)節(jié)旋轉(zhuǎn)角度和末端效應(yīng)器上特定基準(zhǔn)點(diǎn)之間的局部關(guān)系的問(wèn)題，提出使用差分進(jìn)化算法來(lái)估計(jì)特定基準(zhǔn)點(diǎn)的相對(duì)偏移量，并對(duì)相關(guān)參數(shù)的可觀測(cè)性進(jìn)行了研究和討論。針對(duì)相機(jī)空間操控系統(tǒng)的視覺(jué)參數(shù)初始值可能出現(xiàn)選擇不當(dāng)