改進的混沌差分進化算法及其應用.pdf

1、混沌差分進化算法,就是將局部尋優(yōu)能力強的混沌優(yōu)化細搜索與全局尋優(yōu)強的差分進化算法相結(jié)合形成的算法。它克服了原差分進化過快收斂而提前終止迭代的缺陷,同時算法收斂到最優(yōu)解的速度和尋得最優(yōu)值的精度得到保留。改進的混沌差分進化算法,主要是對原算法各個參數(shù)選值進行智能控制,并加入精度控制因子,它不僅保留了原混沌差分進化算法的優(yōu)越性,而且智能地減少了對可變參量的操作,使得實際使用起來更加便捷。數(shù)值實驗結(jié)果也表明,用此改進的算法求解幾類特殊的標準測試

2、函數(shù),尋優(yōu)效果更優(yōu)而耗費的時間又是十分適中的。
　　將改進的混沌差分進化算法應用在復雜的組合優(yōu)化問題上,尋優(yōu)效果還是很好的。針對實際處理的問題多為多目標約束問題,對算法迭代中的每個可行解個體增加約束條件的判斷。不滿足約束條件的個體反復重新在可行域內(nèi)生成,直到滿足所有約束條件為止。從而增加對多約束問題的處理,使得本文算法在處理復雜的組合優(yōu)化問題也能游刃有余。運用本文算法通過建立合理的模型來對旅行商問題、對0-1背包這些多目標規(guī)劃問題

3、進行尋優(yōu),也是能快速找出合理的解。
　　將改進的混沌差分進化算法與BP神經(jīng)網(wǎng)絡結(jié)合應用在I RIS數(shù)據(jù)集分類上,尋優(yōu)效果也是很顯著的。由于原始BP神經(jīng)網(wǎng)絡及其優(yōu)化過的某些算法收斂慢、實現(xiàn)難度大和易陷入局部最優(yōu)的弊端,故而用改進的混沌差分進化代替原BP網(wǎng)絡的權(quán)值閾值更新采用的梯度下降策略,形成新的混合智能算法。實驗結(jié)果表明,在 IRIS數(shù)據(jù)分類中此算法其各項性能指標明顯強于標準BP神經(jīng)網(wǎng)絡、PSO優(yōu)化的神經(jīng)網(wǎng)絡和GA優(yōu)化的神經(jīng)網(wǎng)絡。