基于分片二維搜索的修正微分進化算法.pdf

1、本文研究了一種求解連續(xù)變量空間全局優(yōu)化的進化算法，基于分片二維搜索的修正微分進化算法. 對于全局優(yōu)化問題，我們總是想盡可能快且準確地求出它的解.由于優(yōu)化問題可能是不連續(xù)的、不可微的甚或是沒有函數解析式的，傳統(tǒng)經典的無約束優(yōu)化方法在應用時會受到限制.在達爾文“優(yōu)勝劣汰”的自然進化原理的啟發(fā)下產生的仿生進化算法(EA)是一類只是需要函數值信息的自組織、自適應隨機搜索算法，它利用了啟發(fā)式信息來幫助搜索，所以得到了廣泛的使用和歡迎.Ra

2、inerStorn和KennethPrice提出了求解連續(xù)變量全局優(yōu)化問題的簡單有效的微分進化算法(DifferentialEvolution，DE).DE算法是模擬自然進化依概率演進的隨機搜索算法，比起其他一些進化算法它在許多問題上都有好的收斂表現，但有時搜索緩慢還有可能出現早熟等現象.如果優(yōu)化問題是計算成本很高即每計算一次函數值都需要很長時間的問題，那么過多次數的調用函數值就會使得算法不可行.為此，我們引入分片二維搜索策略提出了新的

3、進化算子.利用遺傳算法線性雜交的思想，由當前種群中隨機選取的兩個點分別與當前點進行線性雜交生成兩個點，以這兩個點為基點，分別加上一個擾動生成兩個變異點.如果這兩個變異點分別與當前點雜交得到的兩個點都未能改善當前點，則引入第三個點-兩個線性雜交點與當前點的中心來給當前點第三次改善的機會.該算法實際上將搜索區(qū)域內一二維空間劃分為左中右三個部分.這樣使得算法DE中本來完全隨機的搜索帶有了一定程度的確定性，可以加速全局尋優(yōu).在最后，我們做了大量