差異演化算法及其應(yīng)用研究.pdf

1、差異演化是Storn和Price在1996年提出的一種新型演化算法，近年來已經(jīng)成為演化計算中的研究熱點。差異演化利用種群中兩個個體向量的差向量作為第三個個體向量的擾動分量形成變異向量，然后采用優(yōu)勝劣汰的自然選擇機制產(chǎn)生下一代種群。與其它演化算法相比，差異演化算法具有更好的搜索性能，適宜于求解高維、非線性和多目標(biāo)優(yōu)化問題。目前差異演化算法已廣泛應(yīng)用于各個領(lǐng)域。然而，差異演化算法和其它演化算法一樣，也存在著早熟、后期收斂速度慢及算法控制參數(shù)

2、難以正確選取等問題。同時，差異演化算法的機理決定了它適合于求解連續(xù)空間的最優(yōu)化問題，不能直接用來求解離散空間的組合優(yōu)化等問題。本論文正是從這幾個方面進行了深入研究，提出了若干改進算法，并把這些改進算法應(yīng)用于自適應(yīng)均衡算法設(shè)計、模糊聚類分析、多Agent聯(lián)盟形成等領(lǐng)域，取得了很好的效果。本文主要工作和創(chuàng)新點概述如下： （1）為加快差異演化算法的收斂，避免算法陷入局部最優(yōu)解，提出一種雙子代競爭差異演化算法DocDE。算法利用交叉操作

3、生成兩個子代個體，并通過改進的兩次“貪心式”選擇策略與父代個體一起競爭形成新一代種群。該算法可以充分利用父代個體中的有用基因信息，有效擴大算法的搜索空間，提高算法的搜索效率。標(biāo)準(zhǔn)測試函數(shù)上的實驗結(jié)果顯示，該算法具有較好的適應(yīng)性、穩(wěn)定性及較強的全局搜索能力，特別是對高維復(fù)雜函數(shù)，該算法可以較快地找到最優(yōu)解。同時，把DocDE算法應(yīng)用于無線通信系統(tǒng)中的自適應(yīng)均衡算法設(shè)計，提出一種基于DocDE的自適應(yīng)均衡算法，利用DocDE代替?zhèn)鹘y(tǒng)梯度下降

4、方法調(diào)節(jié)均衡器中的抽頭系數(shù)。實驗結(jié)果表明，基于DocDE的自適應(yīng)均衡算法能夠獲得比傳統(tǒng)基于梯度下降的LMS算法更好的收斂速度和更高的收斂精度，具有較低的誤碼率，可以有效減少訓(xùn)練序列的長度，增加信息傳輸?shù)挠行r間，提高信道利用率。 （2）針對差異演化演化算法的控制參數(shù)選取問題，提出一種自適應(yīng)差異演化算法SelfDE，自動調(diào)整算法中的縮放因子和交叉概率。該算法對種群中每個個體都使用各自獨立的縮放因子和交叉概率，并把個體適應(yīng)度作為個體

5、對應(yīng)控制參數(shù)調(diào)整的決策依據(jù)，從而克服控制參數(shù)調(diào)整的盲目性。該方法不但可以減少差異演化算法中需要人工選取的控制參數(shù)，而且加快了算法的收斂速度。通過不同測試函數(shù)的仿真實驗表明，與其它參數(shù)自適應(yīng)算法相比，SelfDE算法在最優(yōu)解質(zhì)量和收斂速度上都有較好的表現(xiàn)。另外，針對模糊聚類問題，提出一種動態(tài)權(quán)和有效性函數(shù)DWSVF指標(biāo)，改進了聚類有效性指標(biāo)的效率。將SelfDE算法應(yīng)用于模糊C-均值聚類，以動態(tài)權(quán)和有效性函數(shù)指標(biāo)為適應(yīng)度函數(shù)，提出一種基于

6、自適應(yīng)差異演化的模糊C-均值聚類算法FCBADE。在不同數(shù)據(jù)集上的實驗結(jié)果表明，提出的聚類有效性指標(biāo)DWSVF性能穩(wěn)定，F(xiàn)CBADE算法能準(zhǔn)確地找到實際聚類數(shù)、有效地避免陷入局部極值問題，比其它幾種聚類算法具有更好的性能。 （3）在多Agent系統(tǒng)中，Agent聯(lián)盟形成是一個組合優(yōu)化問題。將求解連續(xù)域上函數(shù)優(yōu)化問題的差異演化算法應(yīng)用于離散域上組合優(yōu)化問題求解，結(jié)合Agent聯(lián)盟形成問題提出一種二進制編碼差異演化算法BinDE。算