改進(jìn)的混沌差分進(jìn)化算法及其應(yīng)用.pdf

1、混沌差分進(jìn)化算法,就是將局部尋優(yōu)能力強(qiáng)的混沌優(yōu)化細(xì)搜索與全局尋優(yōu)強(qiáng)的差分進(jìn)化算法相結(jié)合形成的算法。它克服了原差分進(jìn)化過快收斂而提前終止迭代的缺陷,同時(shí)算法收斂到最優(yōu)解的速度和尋得最優(yōu)值的精度得到保留。改進(jìn)的混沌差分進(jìn)化算法,主要是對(duì)原算法各個(gè)參數(shù)選值進(jìn)行智能控制,并加入精度控制因子,它不僅保留了原混沌差分進(jìn)化算法的優(yōu)越性,而且智能地減少了對(duì)可變參量的操作,使得實(shí)際使用起來更加便捷。數(shù)值實(shí)驗(yàn)結(jié)果也表明,用此改進(jìn)的算法求解幾類特殊的標(biāo)準(zhǔn)測(cè)試

2、函數(shù),尋優(yōu)效果更優(yōu)而耗費(fèi)的時(shí)間又是十分適中的。
　　將改進(jìn)的混沌差分進(jìn)化算法應(yīng)用在復(fù)雜的組合優(yōu)化問題上,尋優(yōu)效果還是很好的。針對(duì)實(shí)際處理的問題多為多目標(biāo)約束問題,對(duì)算法迭代中的每個(gè)可行解個(gè)體增加約束條件的判斷。不滿足約束條件的個(gè)體反復(fù)重新在可行域內(nèi)生成,直到滿足所有約束條件為止。從而增加對(duì)多約束問題的處理,使得本文算法在處理復(fù)雜的組合優(yōu)化問題也能游刃有余。運(yùn)用本文算法通過建立合理的模型來對(duì)旅行商問題、對(duì)0-1背包這些多目標(biāo)規(guī)劃問題

3、進(jìn)行尋優(yōu),也是能快速找出合理的解。
　　將改進(jìn)的混沌差分進(jìn)化算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用在I RIS數(shù)據(jù)集分類上,尋優(yōu)效果也是很顯著的。由于原始BP神經(jīng)網(wǎng)絡(luò)及其優(yōu)化過的某些算法收斂慢、實(shí)現(xiàn)難度大和易陷入局部最優(yōu)的弊端,故而用改進(jìn)的混沌差分進(jìn)化代替原BP網(wǎng)絡(luò)的權(quán)值閾值更新采用的梯度下降策略,形成新的混合智能算法。實(shí)驗(yàn)結(jié)果表明,在 IRIS數(shù)據(jù)分類中此算法其各項(xiàng)性能指標(biāo)明顯強(qiáng)于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)、PSO優(yōu)化的神經(jīng)網(wǎng)絡(luò)和GA優(yōu)化的神經(jīng)網(wǎng)絡(luò)。