差分進(jìn)化算法及其應(yīng)用.pdf

1、在最優(yōu)化領(lǐng)域，一些常規(guī)的計(jì)算方法如牛頓法、共扼梯度法、單純形法等很難解決多峰、高維等復(fù)雜的優(yōu)化問(wèn)題。針對(duì)這類(lèi)問(wèn)題，人們通過(guò)模擬自然界的進(jìn)化過(guò)程，進(jìn)而提出各種模擬算法用于解決這類(lèi)問(wèn)題?；谶@種思想而發(fā)展起來(lái)的一種通用的問(wèn)題求解方法，我們統(tǒng)稱為進(jìn)化算法。它可以在不用描述問(wèn)題的全部特征的情況下，采用簡(jiǎn)單的編碼技術(shù)來(lái)表示各種復(fù)雜的結(jié)構(gòu)，通過(guò)對(duì)編碼進(jìn)行簡(jiǎn)單的操作和優(yōu)勝劣汰的自然選擇來(lái)指導(dǎo)學(xué)習(xí)和確定搜索方向。這種嶄新的特點(diǎn)使得進(jìn)化算法不僅能獲得較高

2、的效率而且具有簡(jiǎn)單、易于操作和通用的特性，因此進(jìn)化算法越來(lái)越受到人們的青睞。 近年來(lái)，一種新的進(jìn)化算法一差分進(jìn)化算法(Differential EvolutionAlgorithm，DE)，被各國(guó)學(xué)者所廣泛關(guān)注。它的主要特點(diǎn)是算法簡(jiǎn)單、收斂速度快，所需領(lǐng)域知識(shí)少。通過(guò)大量研究發(fā)現(xiàn)，DE算法具有很強(qiáng)的收斂能力，比較適合于解決復(fù)雜的優(yōu)化問(wèn)題。 DE算法從2000年以后才開(kāi)始被大多數(shù)學(xué)者研究，已取得了不少研究成果，與其它進(jìn)化算

3、法相比，DE算法用于求解最優(yōu)問(wèn)題時(shí)優(yōu)勢(shì)比較明顯，但也發(fā)現(xiàn)算法存在許多待改進(jìn)的地方，無(wú)論是從理論角度還是從實(shí)踐方面考慮，DE算法目前都尚未成熟。因此很有必要繼續(xù)研究DE算法，從而擴(kuò)大算法的應(yīng)用領(lǐng)域，解決更多的問(wèn)題。 本文首先分析了研究DE算法的重要意義，接著對(duì)DE算法相關(guān)的研究問(wèn)題，如算法的基本結(jié)構(gòu)、算法特點(diǎn)、參數(shù)設(shè)置、改進(jìn)方法、實(shí)現(xiàn)模式及應(yīng)用等做了較為系統(tǒng)的研究，并將DE算法用于解決最優(yōu)特征子集提取，最優(yōu)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)等應(yīng)用問(wèn)

4、題。 本文的主要研究成果可歸納如下： (1)全面的介紹了DE算法的原理，基本結(jié)構(gòu)，實(shí)現(xiàn)模式和國(guó)內(nèi)外學(xué)者對(duì)算法的改進(jìn)措施及相關(guān)應(yīng)用領(lǐng)域；針對(duì)DE算法的控制參數(shù)，通過(guò)標(biāo)準(zhǔn)函數(shù)的測(cè)試，對(duì)算法的參數(shù)選取問(wèn)題進(jìn)行了較為細(xì)致的研究。 (2)由于DE算法是一種實(shí)數(shù)編碼的優(yōu)化算法，不能很好的解決離散優(yōu)化問(wèn)題，針對(duì)這類(lèi)應(yīng)用問(wèn)題，本文提出一種二進(jìn)制離散編碼方法，并將該方法應(yīng)用于特征子集選擇問(wèn)題中。通過(guò)實(shí)驗(yàn)分析，這種方法能夠有效的提取