基于局部搜索策略的差分演化算法研究及改进
发布时间：2022-01-13 12:46
随着科技的发展,许多来自工程和社会领域的问题变得越来越复杂,随之而来的是求解这些问题变得越来越困难了,传统的优化方法已经不能够满足当前问题求解的要求。而群体智能优化算法作为解决这些问题的一种方案,能够很好的解决这些问题,因此越来越受到世界各国研究者的重视。差分演化（Differential Evolution,以下简称DE）算法是近年来一种流行的群体智能优化算法。由于它操作简单、控制参数少、鲁棒性强等特点,使得算法在优化领域所受到的关注逐年增长。然而,DE算法在实际优化当中仍然存在一些不足,如:算法控制参数的敏感性,合适的变异策略难以选取及算法局部寻优能力并不突出等。针对这些不足,本文在对传统DE算法研究的基础上,提出两种不同的改进DE算法,主要的工作如下:首先详细介绍了DE算法的提出、基本原理、操作流程及研究意义,给出了DE算法的流程图和伪代码。对国内外DE算法的研究进展进行了简单阐述,对相关改进DE算法进行分类归纳,总结了算法的优势和不足。与大多数智能算法类似,DE算法本身缺乏局部寻优能力,这也导致算法在演化过程中收敛速度变慢,不能够以较少评价次数或者演化代数收敛到问题最优解。为保...
【文章来源】：江西理工大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 其它常见的智能优化算法
1.3.1 和声搜索算法
1.3.2 人工蜂群算法
1.4 本文主要工作和结构安排
1.4.1 本文主要工作
1.4.2 论文结构安排
第二章 差分演化算法
2.1 差分演化算法的提出
2.2 标准差分演化算法
2.3 差分演化算法的流程与框架
2.4 控制参数对算法的影响
2.5 差分演化算法的优缺点
2.5.1 优点
2.5.2 缺点
2.6 差分演化算法相关改进
2.7 本章小结
第三章 基于精英解学习的邻域搜索差分演化算法
3.1 引言
3.2 精英解的反向学习
3.3 邻域搜索策略
3.4 ELNDE算法具体流程描述
3.5 ELNDE的性能测试
3.5.1 测试函数与结果
3.5.2 实验结果分析与比较
3.6 本章小节
第四章 混合区域搜索策略的自适应差分演化算法
4.1 引言
4.2 提出改进思路
4.3 控制参数自适应策略以及混合区域搜索
4.3.1 参数自适应设置
4.3.2 区域搜索策略
4.4 HRSDE算法具体流程描述
4.5 HRSDE的性能测试
4.5.1 测试函数与结果
4.5.2 实验结果分析
4.5.3 参数的敏感性分析
4.5.4 与其它智能算法比较
4.5.5 0 -1背包问题的优化
4.6 本章小节
第五章 总结与展望
5.1 本文总结
5.2 工作展望
参考文献
附录A 13个基准测试函数的详细信息
附录B 算法的收敛图
附录C 0-1背包问题仿真数据
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于择优学习策略的差分进化算法[J]. 刘昊,丁进良,杨翠娥,柴天佑. 上海交通大学学报. 2017(06)
[2]精英区域学习的转轴人工蜂群算法[J]. 熊小峰,尹雅丽,郭肇禄,吴志健. 四川大学学报(工程科学版). 2016(05)
[3]差分进化神经网络集成的用户偏好模型构建[J]. 杨凤萍,张大斌. 微型机与应用. 2016(08)
[4]Web文本分类中的标签权重自动优化研究[J]. 钟旭东,黄章进,顾乃杰,张旭. 小型微型计算机系统. 2016(05)
[5]基于多目标文化差分进化算法的污水处理厂活性污泥单元多目标操作优化（英文）[J]. 于腾,曹萃文,顾幸生,张亚坤. 计算机与应用化学. 2016(01)
[6]贪婪封装二进制差分进化算法求解高维背包问题[J]. 钱淑渠,叶永强,武慧虹. 控制与决策. 2016(05)
[7]基于差分进化算法的酿酒酵母分批补料培养在线自适应控制[J]. 张许,丁健,高鹏,高敏杰,贾禄强,涂庭勇,史仲平. 中国生物工程杂志. 2016(01)
[8]GPU上基于改进精英策略差分演化的神经网络学习算法[J]. 王晓峰,吴志健,周新宇,郭肇禄. 小型微型计算机系统. 2016(01)
[9]加权变异策略动态差分进化算法[J]. 张锦华,宋来锁,张元华,李富昌. 计算机工程与应用. 2017(04)
[10]全局竞争和声搜索算法[J]. 夏红刚,欧阳海滨,高立群,孔祥勇. 控制与决策. 2016(02)
博士论文
[1]差分演化算法的改进及其在聚类分析中的应用研究[D]. 龚文引.中国地质大学 2010
硕士论文
[1]基于差分进化算法的含风电场电力系统动态经济调度[D]. 夏澍.华北电力大学（北京） 2010
本文编号：3586451
【文章来源】：江西理工大学江西省
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 其它常见的智能优化算法
1.3.1 和声搜索算法
1.3.2 人工蜂群算法
1.4 本文主要工作和结构安排
1.4.1 本文主要工作
1.4.2 论文结构安排
第二章 差分演化算法
2.1 差分演化算法的提出
2.2 标准差分演化算法
2.3 差分演化算法的流程与框架
2.4 控制参数对算法的影响
2.5 差分演化算法的优缺点
2.5.1 优点
2.5.2 缺点
2.6 差分演化算法相关改进
2.7 本章小结
第三章 基于精英解学习的邻域搜索差分演化算法
3.1 引言
3.2 精英解的反向学习
3.3 邻域搜索策略
3.4 ELNDE算法具体流程描述
3.5 ELNDE的性能测试
3.5.1 测试函数与结果
3.5.2 实验结果分析与比较
3.6 本章小节
第四章 混合区域搜索策略的自适应差分演化算法
4.1 引言
4.2 提出改进思路
4.3 控制参数自适应策略以及混合区域搜索
4.3.1 参数自适应设置
4.3.2 区域搜索策略
4.4 HRSDE算法具体流程描述
4.5 HRSDE的性能测试
4.5.1 测试函数与结果
4.5.2 实验结果分析
4.5.3 参数的敏感性分析
4.5.4 与其它智能算法比较
4.5.5 0 -1背包问题的优化
4.6 本章小节
第五章 总结与展望
5.1 本文总结
5.2 工作展望
参考文献
附录A 13个基准测试函数的详细信息
附录B 算法的收敛图
附录C 0-1背包问题仿真数据
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于择优学习策略的差分进化算法[J]. 刘昊,丁进良,杨翠娥,柴天佑. 上海交通大学学报. 2017(06)
[2]精英区域学习的转轴人工蜂群算法[J]. 熊小峰,尹雅丽,郭肇禄,吴志健. 四川大学学报(工程科学版). 2016(05)
[3]差分进化神经网络集成的用户偏好模型构建[J]. 杨凤萍,张大斌. 微型机与应用. 2016(08)
[4]Web文本分类中的标签权重自动优化研究[J]. 钟旭东,黄章进,顾乃杰,张旭. 小型微型计算机系统. 2016(05)
[5]基于多目标文化差分进化算法的污水处理厂活性污泥单元多目标操作优化（英文）[J]. 于腾,曹萃文,顾幸生,张亚坤. 计算机与应用化学. 2016(01)
[6]贪婪封装二进制差分进化算法求解高维背包问题[J]. 钱淑渠,叶永强,武慧虹. 控制与决策. 2016(05)
[7]基于差分进化算法的酿酒酵母分批补料培养在线自适应控制[J]. 张许,丁健,高鹏,高敏杰,贾禄强,涂庭勇,史仲平. 中国生物工程杂志. 2016(01)
[8]GPU上基于改进精英策略差分演化的神经网络学习算法[J]. 王晓峰,吴志健,周新宇,郭肇禄. 小型微型计算机系统. 2016(01)
[9]加权变异策略动态差分进化算法[J]. 张锦华,宋来锁,张元华,李富昌. 计算机工程与应用. 2017(04)
[10]全局竞争和声搜索算法[J]. 夏红刚,欧阳海滨,高立群,孔祥勇. 控制与决策. 2016(02)
博士论文
[1]差分演化算法的改进及其在聚类分析中的应用研究[D]. 龚文引.中国地质大学 2010
硕士论文
[1]基于差分进化算法的含风电场电力系统动态经济调度[D]. 夏澍.华北电力大学（北京） 2010
本文编号：3586451
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3586451.html
