基于變異策略與參數(shù)組合操作的差分進化算法研究.pdf

1、進化算法受啟發(fā)于生物學，特別是生物進化過程中對種群個體進行組織以便適應周圍環(huán)境的變化。當使用進化算法時，需明確目標個體將會如何產生新的個體，在此過程中需要一定數(shù)量的參數(shù)，這些參數(shù)的值將從很大程度上決定個體的質量和搜索的效率。差分進化算法是一種易于理解和使用、性能較好的智能進化算法，它不僅收斂速度較快，而且操作簡單。因此，差分進化算法的研究成為了智能進化算法、乃至最優(yōu)化方法領域的重要課題之一。本文通過對已有差分進化算法的研究，深入了解影響

2、算法性能的各個變異策略和參數(shù)，針對當前已有算法存在變異策略與參數(shù)的組合具有隨機性、沒有根據(jù)優(yōu)化問題按需分配變異策略與參數(shù)值的問題，進行了變異策略和不同參數(shù)值對于差分進化算法性能影響的分析與研究，提出了相應的基于變異策略和參數(shù)組合操作的優(yōu)化算法。
　　首先，本文對基本差分進化算法的流程、應用及影響算法的變異策略和參數(shù)進行分析與研究，掌握每個因素的作用，進而確定已有算法存在的問題。針對當前已有的算法存在變異策略與參數(shù)組合具有隨機性，采

3、取了交叉組合的操作，提出了一種將變異策略與參數(shù)進行交叉組合的差分進化算法，在算法執(zhí)行過程中從更大的范圍內搜尋較優(yōu)個體，為下一次迭代提供更多的選擇。
　　其次，本文對所需解決的優(yōu)化問題逐個進行了特性分析，發(fā)現(xiàn)變異策略、參數(shù)和優(yōu)化問題的盲目匹配現(xiàn)象，也就是現(xiàn)有的算法執(zhí)行進程并非按照優(yōu)化問題的需求進行分配，缺乏針對性。針對這個問題，通過分析優(yōu)化問題和變異策略、參數(shù)的相匹配程度，采用了分類的方法，將優(yōu)化問題分為基本合成類問題和復雜變換類問

4、題，提出了一種基于分類的混合差分進化算法。
　　再次，通過綜合以上兩種交叉組合和分類的操作，考慮變異策略與參數(shù)進行交叉組合、進行分類操作的綜合作用，采取了交叉組合與分類的融合，提出了一種包含分類和交叉組合操作的差分進化算法。
　　最后，通過使用MATLAB作為實驗平臺，對基于變異策略與參數(shù)組合操作的差分進化算法的研究進行驗證。從收斂性能、函數(shù)誤差值等多個性能評價的標準出發(fā)，對比所提算法與多種已有算法的實驗數(shù)據(jù)，從而驗證了所提