

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、所謂的進化算法是指人們提出的一種能夠根據問題的實際情況自動調整的全局優(yōu)化算法,它主要是用來模擬地球上的單個生物體在隨著生活環(huán)境變化中的不斷遺傳和進化的全過程。由于該算法結構簡單使用方便,被應用于很多地方。
在眾多的遺傳算法中,由國外Deb提出被稱為NSGA-Ⅱ進化算法采用簡單便捷的非支配排序方式,不需要設置參數,并且具有很好的運行效率和較好分布性能,同時又擁有了較快的收斂速度,因此被國內外學者廣泛使用。但是還是有較大的改進空間
2、。
差分進化算法(Differential Evolution:DE)是由Storn等人提出來的,最初的設想是用來求解切比雪夫多項式問題,但是隨后發(fā)現DE也能夠非常有效求解復雜的優(yōu)化問題。近年來,差分進化算法由于其性能很好受了研究人員的到格外關注,應用領域也越來越廣。但是分布度保持的效果還有待提高。
本文主要的工作是針對上述的兩個經典進化算法來進行改進。
1.為了更好的保持解集的分布性和多樣性,Deb等通過
3、計算進化群體中每個個體之間的聚集距離,然后根據個體所處的層次及聚集距離來定義一個偏序集(partial order set),構造新群體時按順序在偏序集中選取個體。這種方法的缺點是,一些分布較好的個體可能被淘汰而有些分布不好的個體反而被保存下來。本文對NSGA-Ⅱ做出了改進,提出了用混合距離來估算個體密度,并和優(yōu)先隊列結合使用能夠較好地保持解的多樣性,提高解的分布度。結論是:試驗結果表明該算法與NSGA-Ⅱ相比具有更好的分布性。
4、 2.本文提出的DSMODE算法和NSGA-Ⅱ算法一樣是隨機選取父代個體進入交配池產生子代個體,再將其中優(yōu)秀的個體選入下一代進化種群。我們知道由于隨機選擇的盲目性,導致子代的生成具有不確定性,但通常決策者希望能夠產生滿足決策需求的解進入下一代。對此,本文提出了一種基于方向信息的精英選擇機制,該機制指導算法將可能產生較好分布子代個體選作父代進入交配池,使得算法朝增加解集多樣性的方向進行搜索,從而達到保持解集的多樣性的目的。實驗結果證明了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多目標差分進化算法的改進研究.pdf
- 多目標進化算法的改進及其應用研究
- 基于博弈策略的多目標進化算法研究.pdf
- 多目標進化算法的研究.pdf
- 多目標進化算法研究.pdf
- 多目標進化算法總結
- 多目標進化算法總結
- 多目標差分進化算法的自適應策略研究.pdf
- 協同進化多目標優(yōu)化算法的改進與應用
- 協同進化多目標優(yōu)化算法的改進與應用.pdf
- 幾種改進的分解類多目標進化算法及其應用.pdf
- 解多目標優(yōu)化問題的改進差分進化算法研究.pdf
- 高維多目標進化算法中支配關系的改進研究.pdf
- 幾種改進的分解類多目標進化算法及其應用
- 高維多目標進化算法研究.pdf
- 網格機制多目標進化算法研究.pdf
- 多目標進化算法中外部歸檔集維護策略的研究.pdf
- 基于改進多目標進化算法的溫室環(huán)境PID控制的仿真研究.pdf
- 多目標差分進化算法研究.pdf
- 元胞多目標進化算法的改進及其工程應用研究.pdf
評論
0/150
提交評論