多策略自適應差分進化算法的改進與應用研究.pdf

1、差分進化算法(DifferentialEvolutionAlgorithm，DE)是一種基于種群個體差異、主要解決連續(xù)性優(yōu)化問題的啟發(fā)式隨機搜索算法。自1995年R.Storn和K.Price為求解Chebyshev多項式提出之日起，因其高效的尋優(yōu)能力、無需復雜的運算及編碼機制等優(yōu)點而在組合優(yōu)化問題的求解中得到廣泛的應用。本文對基本DE算法進行了研究，同時討論了基本DE算法存在的易早熟和陷入局部極值的不足，并針對DE算法存在的不足，對基

2、本DE算法進行了改進和擴展，同時證明了改進的DE算法的收斂性。并將DE算法應用于求解JSP調(diào)度問題。
　　 在對基本DE算法理論研究的基礎上，借鑒社會學以及生物學的一些思想，對基本DE算法進行了以下改進:
　　 (1)針對DE算法在進化后期易陷入局部最優(yōu)解的問題，提出一種Memetic算法，通過引入鄰域搜索算子來增強種群多樣性，保證算法有效跳出局部最優(yōu)解點。針對差分進化算法后期收斂較慢的不足，對縮放因子進行自適應調(diào)整，保

3、證算法具有較高的尋優(yōu)性能的同時具有較高的收斂速度。
　　 (2)分析了DE算法中控制參數(shù)對算法性能產(chǎn)生的影響。種群進化過程中種群多樣性的急劇降低是造成算法陷入局部最優(yōu)和早熟的主要原因。為保持種群多樣性，本文一改基本DE算法隨機初始化種群帶來的弊端，對初始種群采用服從正態(tài)分布的初始化方法進行初始化，有效保證了算法朝著最優(yōu)解的方向進化。并加入自適應算子對種群進行動態(tài)調(diào)節(jié)，引入memetic算法使進化過程達到全局搜索和局部搜索的平衡。

4、
　　 (3)DE算法主要解決連續(xù)性優(yōu)化問題，采用實數(shù)編碼，這種編碼和解碼機制可以遍布整個解空間，保證了算法的尋優(yōu)性能。簡化后的車間調(diào)度問題仍然屬于NP-hard問題，同時也是多目標約束的離散問題。本文提出的改進的LPV(Largestpositionvalue)規(guī)則，將工件的一個排序映射為搜索空間的一個解。并采用改進的DE算法執(zhí)行全局搜索，采用鮑德溫算子執(zhí)行局部搜索。Matlab數(shù)值實驗結(jié)果表明:改進的DE算法使算法性能得到了