差分進化的若干問題及其應(yīng)用研究.pdf

1、進化計算作為一種新的智能優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于工程科學的各個領(lǐng)域，與傳統(tǒng)的優(yōu)化方法相比，進化計算在對全局復(fù)雜性優(yōu)化問題的求解以及易用性方面都顯示出其優(yōu)越性。差分進化算法是一種基于種群差異的進化計算方法，通過種群內(nèi)個體間的合作與競爭來實現(xiàn)對優(yōu)化問題的求解。在對差分進化算法的研究中，算法設(shè)計一直是研究工作的重點，這方面的研究始終圍繞著兩個主題，一是提高差分進化算法的性能和工作效率，二是拓展差分進化算法的應(yīng)用領(lǐng)域。本論文圍繞這兩個主題，提出

2、了一些新方法來提高差分進化算法的性能，另外對一些實際中常碰到的復(fù)雜優(yōu)化問題，提出了一些利用差分進化算法的新方案，具體研究內(nèi)容如下。
　　論文首先介紹了課題的研究背景和意義;接著簡單介紹了進化計算的一些常見算法分支及其歷史;然后介紹了差分進化算法的原理以及研究現(xiàn)狀，主要介紹了差分進化算法的種群初始化、參數(shù)選擇、策略選擇以及混合算法等四個研究方向;最后介紹了本文的研究工作和創(chuàng)新點。
　　針對差分進化算法容易陷入局部最優(yōu)解的問題，

3、提出了新的尺度因子擾動機制。在變異操作階段，使用了隨機分布尺度因子向量代替尺度因子的固定取值，以此提高整個種群的多樣性。
　　針對差分進化算法的交叉方式選擇問題，提出了使用局部隨機中間重組和混合交叉來改善差分進化算法的性能。在交叉操作階段，通過使用局部隨機中間重組操作生成的子代個體，可以從父代中獲得更多信息。該操作可以在以目標向量和捐贈向量各個維度的特征為頂點構(gòu)成的超立方體內(nèi)部進行搜索。另外，從DE算法在執(zhí)行過程中可能會出現(xiàn)停滯的

4、問題出發(fā)，提出使用混合交叉操作來擴大搜索區(qū)域以提高DE的全局搜索能力，混合交叉操作可以在由父代個體確定的邊界附近一定范圍內(nèi)產(chǎn)生新的個體。
　　針對差分進化算法的策略選擇問題，提出了新的基向量選擇機制以及種群規(guī)模的縮減機制。首先從差分進化算法中基向量的選擇問題出發(fā)，提出了使用歷史最佳個體和隨機個體的線性組合作為基向量。在進化過程的不同階段，動態(tài)調(diào)整基向量中最佳個體和隨機個體所占比例，這樣既可以在進化初始階段使種群中的個體具有多樣性，

5、又可以在進化后期提高算法的收斂性能。針對在進化后期，過多的同質(zhì)個體將集中在目標點周圍，提出使用線性調(diào)節(jié)機制來控制組合差分進化算法的種群規(guī)模，以此提高差分進化算法的收斂性能。
　　針對差分進化算法和其它算法進行混合操作的問題，提出了差分進化算法和群搜索優(yōu)化算法進行混合的方法來提高算法的整體性能。首先從單個算法解決實際問題時都有其各自的特點出發(fā)，提出了與群搜索優(yōu)化算法混合的差分進化算法。然后又從自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)需要事先人工設(shè)定參

6、數(shù)的問題出發(fā)，提出了使用差分進化算法對簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)的參數(shù)進行優(yōu)化，并將優(yōu)化后的簡化模糊自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)作為分類器進行實驗，結(jié)果表明使用該方法可以獲得較高的分類正確率。
　　針對相機空間操控系統(tǒng)的精度依賴于機器人關(guān)節(jié)旋轉(zhuǎn)角度和末端效應(yīng)器上特定基準點之間的局部關(guān)系的問題，提出使用差分進化算法來估計特定基準點的相對偏移量，并對相關(guān)參數(shù)的可觀測性進行了研究和討論。針對相機空間操控系統(tǒng)的視覺參數(shù)初始值可能出現(xiàn)選擇不當