自主差分進化算法設(shè)計及應(yīng)用.pdf

1、科學(xué)研究和工程應(yīng)用中存在大量復(fù)雜的優(yōu)化問題，這些問題通常具有優(yōu)化變量個數(shù)多、目標函數(shù)不連續(xù)、不可微、高度非線性以及存在大量局部極值等特點。傳統(tǒng)優(yōu)化方法在求解這些問題時面臨著極大的挑戰(zhàn)，優(yōu)化效果不夠理想。受自然界某些現(xiàn)象和機制啟發(fā)的智能優(yōu)化方法具有對優(yōu)化問題目標函數(shù)類型不敏感、使用簡單、優(yōu)化效果好和效率高等優(yōu)勢，成為求解復(fù)雜優(yōu)化問題的一類新方法。在諸多智能優(yōu)化方法中，差分進化算法具有獨特的搜索機制、控制參數(shù)少、實現(xiàn)簡單以及復(fù)雜度低等特點，

2、在連續(xù)域空間中的函數(shù)優(yōu)化及各類實際工程問題求解中展現(xiàn)了較強的優(yōu)勢，成為當(dāng)前智能優(yōu)化乃至自然科學(xué)領(lǐng)域的研究熱點。但是，差分進化算法存在著一些不足，如參數(shù)設(shè)置難、變異算子選擇難以及在復(fù)雜優(yōu)化問題中性能還不夠理想等，為此眾多學(xué)者對其展開了研究。盡管當(dāng)前差分進化算法的研究十分活躍且已有成果十分豐富，但其性能依然有提升的空間并值得進一步研究。
　　差分進化算法是一種基于概率的隨機搜索算法，其在搜索過程中通過特定的配置決定算法的搜索行為。對于

3、給定的優(yōu)化問題，確定恰當(dāng)?shù)呐渲檬禽^為困難的;同時在搜索過程的不同階段算法所處的搜索環(huán)境是不斷變化的，因此采用固定配置的算法在復(fù)雜優(yōu)化問題中難以獲得令人滿意的效果。針對這一不足，本文提出自主差分進化算法設(shè)計方法。該方法在差分進化算法中引入由評價單元和決策單元構(gòu)成的旁鏈，通過利用評價單元定量地提取某些反饋信息，并將提取的信息運用到?jīng)Q策單元，實現(xiàn)算法配置的自主、動態(tài)調(diào)整，進而實現(xiàn)一定計算資源下優(yōu)化績效的最大化。該調(diào)整過程無需算法使用者過多的干

4、預(yù)，具有明顯的閉環(huán)特性，使得算法對復(fù)雜優(yōu)化問題具有較好的適應(yīng)性。該設(shè)計方法不僅有助于改善差分進化算法的性能，同時為其它智能優(yōu)化算法的研究提供了借鑒。通過實例化反饋信息類型、評價單元和決策單元，可設(shè)計出性能優(yōu)異的差分進化算法。
　　基于自主差分進化設(shè)計方法，通過定義個體信息、算子信息、參數(shù)信息和算法搜索狀態(tài)信息等反饋信息類型，并從分布式種群結(jié)構(gòu)、靜態(tài)算子管理和動態(tài)算子管理、膜算法等多個角度設(shè)計了反饋信息的度量和使用方法。在此基礎(chǔ)上提

5、出多種自主差分進化實現(xiàn)算法用于單目標優(yōu)化和多目標優(yōu)化，包括:多文化移民分布式差分進化算法、膜計算差分進化算法、多準則適應(yīng)性差分進化算法、膜計算多目標差分進化算法、基于網(wǎng)格的適應(yīng)性多目標差分進化算法以及基于性能指標的適應(yīng)性差分進化算法。采用多個復(fù)雜標準測試問題對提出的算法性能進行大量測試和分析，實驗結(jié)果表明所提出的算法在諸多指標上優(yōu)于公開發(fā)表的其它多種算法。
　　為驗證自主差分進化算法的實際應(yīng)用效果，本文最后研究了兩種自主差分進化算