基于分片二維搜索的修正微分進(jìn)化算法.pdf

1、本文研究了一種求解連續(xù)變量空間全局優(yōu)化的進(jìn)化算法，基于分片二維搜索的修正微分進(jìn)化算法. 對(duì)于全局優(yōu)化問題，我們總是想盡可能快且準(zhǔn)確地求出它的解.由于優(yōu)化問題可能是不連續(xù)的、不可微的甚或是沒有函數(shù)解析式的，傳統(tǒng)經(jīng)典的無約束優(yōu)化方法在應(yīng)用時(shí)會(huì)受到限制.在達(dá)爾文“優(yōu)勝劣汰”的自然進(jìn)化原理的啟發(fā)下產(chǎn)生的仿生進(jìn)化算法(EA)是一類只是需要函數(shù)值信息的自組織、自適應(yīng)隨機(jī)搜索算法，它利用了啟發(fā)式信息來幫助搜索，所以得到了廣泛的使用和歡迎.Ra

2、inerStorn和KennethPrice提出了求解連續(xù)變量全局優(yōu)化問題的簡(jiǎn)單有效的微分進(jìn)化算法(DifferentialEvolution，DE).DE算法是模擬自然進(jìn)化依概率演進(jìn)的隨機(jī)搜索算法，比起其他一些進(jìn)化算法它在許多問題上都有好的收斂表現(xiàn)，但有時(shí)搜索緩慢還有可能出現(xiàn)早熟等現(xiàn)象.如果優(yōu)化問題是計(jì)算成本很高即每計(jì)算一次函數(shù)值都需要很長(zhǎng)時(shí)間的問題，那么過多次數(shù)的調(diào)用函數(shù)值就會(huì)使得算法不可行.為此，我們引入分片二維搜索策略提出了新的

3、進(jìn)化算子.利用遺傳算法線性雜交的思想，由當(dāng)前種群中隨機(jī)選取的兩個(gè)點(diǎn)分別與當(dāng)前點(diǎn)進(jìn)行線性雜交生成兩個(gè)點(diǎn)，以這兩個(gè)點(diǎn)為基點(diǎn)，分別加上一個(gè)擾動(dòng)生成兩個(gè)變異點(diǎn).如果這兩個(gè)變異點(diǎn)分別與當(dāng)前點(diǎn)雜交得到的兩個(gè)點(diǎn)都未能改善當(dāng)前點(diǎn)，則引入第三個(gè)點(diǎn)-兩個(gè)線性雜交點(diǎn)與當(dāng)前點(diǎn)的中心來給當(dāng)前點(diǎn)第三次改善的機(jī)會(huì).該算法實(shí)際上將搜索區(qū)域內(nèi)一二維空間劃分為左中右三個(gè)部分.這樣使得算法DE中本來完全隨機(jī)的搜索帶有了一定程度的確定性，可以加速全局尋優(yōu).在最后，我們做了大量