论文部分内容阅读
差分进化算法已被证明是一种可靠、准确、快速同时兼具高鲁棒性的全局优化算法,其已经成功的应用在多个领域。但是差分进化算法也存在一些不足,特别是针对高维复杂优化问题其存在收敛速度慢、易于“早熟”和收敛精度低的缺陷。因此在具体的应用中,为了提高算法性能不得不针对不同问题进行差异性参数设置。鉴于差分进化算法的参数具有问题依赖性,为此提出了多阶段自适应差分进化算法。新算法有针对性利用正态分布或柯西分布随机数设计算子,并用其动态生成变异率或交叉因子。在进化过程中引入分段思想,每个阶段分别根据不同的配置利用算子生成变异率并选择对应的交叉因子(或交叉因子算子)来改善算法性能。同时为了提高收敛速度,设计了一种新的变异处理策略。对一系列经典Benchmark函数的测试,实验结果显示了本文算法的收敛速度与优化质量好于或相当于其他差分算法。本论文围绕标准差分算法的改进及应用,对差分进化计算策略展开研究,提出了阶段系列的自适应差分进化算法。为了弥补标准算法的问题依赖性、高维函数收敛精度不高、易陷入局部最优的缺陷,分别提出了阶段波动和阶段交叉差分进化算法。同时为了增强算法的实用性,提供了与之相适应的约束处理机制。并把算法应用于解决运输问题、二次规划、可阻塞流水车间调度及聚类问题等。具体包括：(1)针对差分进化算法的问题依赖性,把阶段式思想引入到差分进化过程中,提出了两段式差分进化算法。(2)针对差分进化在高维函数中收敛速度慢精度不高的缺陷,引入了阶段交叉差分进化算法。对优化问题敏感的交叉因子进行自适应控制,从而提高算法在高维问题的收敛的精度。(3)同时为了改善传统差分算法中局部寻优性能不足,随机选择当前种群指定数目的向量,利用其中具有优势解的向量作为基向量,以此为基础实现了一个新的变异策略,并和阶段差分算法加以结合。(4)针对具体应用中约束问题居多的这个事实,提供了和阶段差分相结合的约束处理机制。(5)基于改进的多阶段差分算法基础上提出了采用整数编码的改进差分进化算法,应用于可阻塞流水式车间调度问题的解决。(6)为了充分利用改进差分算法的寻优高效性,提出基于改进差分的聚类算法,用于提高数据聚类的准确性和质量。最后,对全文研究内容进行了总结,指出研究工作中存在的不足,明确了下一步的研究方向。