連續(xù)域優(yōu)化問題的差分進化算法研究.pdf

1、伴隨著社會生活的智慧化、工業(yè)生產的智能化，工程實踐及科學研究中的優(yōu)化問題呈現(xiàn)出大規(guī)模、復雜性、不確定性的特點。由于缺乏問題的先驗知識，傳統(tǒng)的基于確定型的優(yōu)化方法已然無法滿足現(xiàn)階段工程領域的實際需求，而這些問題的解決得益于智能計算技術的發(fā)展。智能優(yōu)化算法是伴隨著計算機技術的發(fā)展而產生和發(fā)展起來的智能計算技術，具有較好的魯棒性、自學習性、自適應性和收斂性，因此受到人們的青睞。
　　 在經(jīng)濟與社會的預測預警研究領域中，主要涉及到的模型

2、優(yōu)化問題多數(shù)是連續(xù)域優(yōu)化問題，而差分進化算法是一種對連續(xù)域優(yōu)化問題具有良好性能的新穎智能算法，該算法兼具了系統(tǒng)演化和集群智能的特性，具有受控參數(shù)少，收斂性好、魯棒性強和易于實現(xiàn)的優(yōu)點。然而對于復雜的工程優(yōu)化問題，差分進化算法也存在容易陷入局部最優(yōu)值的不足，鑒于此，本文首先對連續(xù)域優(yōu)化問題的研究方法和差分進化算法進行綜述，在此基礎上對差分進化算法進行改進，提出了基于差分進化的魚群算法和基于精英協(xié)同的混洗差分進化算法，并進行連續(xù)域函數(shù)的優(yōu)化

3、仿真實驗，實驗結果驗證了改進算法的良好尋優(yōu)性能。
　　 基于差分進化的魚群算法基本思想是:首先以人工魚群算法為主體，在依魚群中心執(zhí)行聚群行為和依公告板最優(yōu)記錄執(zhí)行追尾行為的基礎上，對公告板增設魚群停滯閾值和停滯狀態(tài)記錄，以對處于停滯階段的魚群執(zhí)行差分進化操作，進而實現(xiàn)對停滯階段魚群的擾動，從而在保證算法全局探索能力的同時，提高了局部開發(fā)能力，克服了算法在搜索后期的無目的性。通過Benchmark函數(shù)測試，并與其它魚群算法、粒子群

4、優(yōu)化算法(PSO)進行比較，結果表明該融合算法的收斂速度和尋優(yōu)精度得到顯著改善，具有較好的優(yōu)化效果。
　　 基于精英協(xié)同的混洗差分進化算法(Shuffled Differential Evolution，SDE)基本思想是:在引入反向學習的初始化機制的同時，對設置的普通群和虛擬精英群采用不同的差分策略，進而將精英個體作為信息通道實現(xiàn)種群間的信息交流;同時，借助種群的定期混洗機制實現(xiàn)種群間的文化交流，從而達到協(xié)同進化的目的;此外，