改進(jìn)的差分演化算法研究及其應(yīng)用

1、學(xué)校代碼：10564學(xué)號：2013210004分類號：TP181密級：碩士學(xué)位論文改進(jìn)的差分演化算法研究及其應(yīng)用左磊指導(dǎo)教指導(dǎo)教師：李康順教授學(xué)院名學(xué)院名稱：數(shù)學(xué)與信息學(xué)院專業(yè)名專業(yè)名稱：計算機(jī)系統(tǒng)結(jié)構(gòu)答辯委員會主席：答辯委員會主席：周育人教授中國廣州2016年6月萬方數(shù)據(jù)I摘要約束優(yōu)化問題一直以來都是眾多學(xué)者研究的課題。最初學(xué)者使用解析法和數(shù)值法對約束優(yōu)化問題進(jìn)行求解，取得了不錯的成績。但是隨著問題的不斷變化，很多約束優(yōu)化問題具備了非

2、線性、非連續(xù)、多峰性、不可微等特性，使得傳統(tǒng)的優(yōu)化方法難以求解或者是完全失效，因此學(xué)者們致力于尋找更好的算法用于求解約束優(yōu)化問題。差分演化算法作為啟發(fā)式算法中的佼佼者，很快就進(jìn)入了眾多學(xué)者的研究范圍，并且提出了很多優(yōu)秀的改進(jìn)算法用于求解約束優(yōu)化問題。差分演化算法主要依賴的三個控制參數(shù)是種群規(guī)模NP、雜交概率CR和縮放因子F，主要依賴的三個演化操作是雜交、變異和選擇。差分演化算法在求解過程中具有兩點不足，一方面是對控制參數(shù)的設(shè)置很敏感，另

3、一方面是對演化操作的選擇也是尤為重要。本論文針對差分演化算法的不足對其進(jìn)行改進(jìn)，提出了兩種改進(jìn)的差分演化算法。本論文第三章對自適應(yīng)差分演化算法JADE進(jìn)行研究，同時結(jié)合ZJADE算法思想，加入基于歸檔的自適應(yīng)均衡模型技術(shù)，提出了一種新的基于JADE的差分演化算法(COJADE)。本論文第四章提出一種基于單形正交實驗技術(shù)的差分演化算法(SODE)，該算法結(jié)合單形交叉和正交實驗設(shè)計技術(shù)提出了一種單形正交交叉算子，同時對基于歸檔的自適應(yīng)均衡模

4、型技術(shù)進(jìn)行改進(jìn)提出一種改進(jìn)的個體優(yōu)劣比較準(zhǔn)則。使用CEC2006演化計算標(biāo)準(zhǔn)測試集對COJADE算法和SODE算法進(jìn)行性能測試，實驗數(shù)據(jù)表明COJADE算法和SODE算法具有優(yōu)秀的尋優(yōu)性能和良好的穩(wěn)定性。本論文的主要成果和創(chuàng)新點如下：（1）針對約束優(yōu)化問題中目標(biāo)函數(shù)值和約束違反量兩者之間的權(quán)重關(guān)系提出一種改進(jìn)的個體優(yōu)劣比較準(zhǔn)則。該準(zhǔn)則考慮整個演化過程中種群所有個體呈現(xiàn)的3種不同的狀態(tài)采用不同的處理方法，主要考慮當(dāng)前種群個體的目標(biāo)函數(shù)值的

5、取值范圍和約束違反量的取值范圍，動態(tài)的將目標(biāo)函數(shù)值和約束違反量轉(zhuǎn)化為一個歸一化的適應(yīng)值，然后根據(jù)這個歸一化的適應(yīng)值大小選擇個體進(jìn)入下一代種群中，完成差分演化算法中的選擇操作。（2）單形交叉算子具有均勻分布產(chǎn)生后代個體和具有后代個體均值不變的特點，正交實驗設(shè)計具有“均勻分散，實驗次數(shù)較少，齊整可比”的特點。結(jié)合單形交叉算子和多父代正交交叉算子提出一種新的交叉算子，稱為單形正交交叉算子。單形正交交叉算子具有單形交叉的均勻分布的特點，同時也具