连续域优化问题的差分进化算法研究

连续域优化问题的差分进化算法研究

ID:34742677

大小:4.85 MB

页数:55页

时间:2019-03-10

连续域优化问题的差分进化算法研究_第1页
连续域优化问题的差分进化算法研究_第2页
连续域优化问题的差分进化算法研究_第3页
连续域优化问题的差分进化算法研究_第4页
连续域优化问题的差分进化算法研究_第5页
资源描述:

《连续域优化问题的差分进化算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号——UDC茸中研髭夫蓐硕士学位论文密级——编号——学位申请人姓名:杨亟盔申请学位学生类别:全日刿硕士申请学位专业方向:管理盟至与工程指导教师姓名:张大斌教授⑧篙‰sm㈣0洲㈣m0咖洲洲mllY2353133硕士学位论文连续域优化问题的差分进化算法研究论文作者:杨添柔指导教师:张大斌教授学科专业:管理科学与工程研究方向:信息工程与项目管理华中师范大学信息管理系2013年5月⑧硕士学位论文MASTER’STHESISTheResearchofDifjferentialEV0lutionA190rithmforContinuousoptim娩ationProbl

2、emsATheSiss锐bmittedinP及rnQtFtl绗llmem对theReq锐i陀memFortheM.S.Deg陀einEngineeringByYhngTianrouPostgraduateProgramSchoolofInformationManagementCentralChinaNormalUniVersitySupeⅣisor:ZhangDabinAcademicTitle:ProfessorSigIlatureApproVedMay.2013⑧硕士学位论文MASTER’STHESIS华中师范大学学位论文原创性声明和使用授权说明原创性声明本

3、人郑重声明:所呈交的学位论文,是本人在导师指导下,独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名:糯舜.采日期:年月日学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许

4、采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释:本学位论文属于保密,在——年解密后适用本授权书。非保密论文注释:本学位论文不属于保密范围,适用本授权书。.,,\作者签名:榻三绦导师签名:豸缀不多∥\。日期:乃B年5月修日日期:刎歹年j广月z垆本人已经认真阅读“CALIS高校学位论文全文数据库发布章程”,同意将本人的学位论文提交“CALIS高校学位论文全文数据库”中全文发布,并可按“章程”中的规定享受相关权益。回童途塞握銮后进卮!旦主生;旦二生;旦三生筮查!.作者签名:楠漂紊日期:纠多年g月似日导师弛张z知八,日期

5、:∥7年j’月1垆V⑨硕士学位论文MASTER‘STI{ESIS摘要伴随着社会生活的智慧化、工业生产的智能化,工程实践及科学研究中的优化问题呈现出大规模、复杂性、不确定性的特点。由于缺乏问题的先验知识,传统的基于确定型的优化方法已然无法满足现阶段工程领域的实际需求,而这些问题的解决得益于智能计算技术的发展。智能优化算法是伴随着计算机技术的发展而产生和发展起来的智能计算技术,具有较好的鲁棒性、自学习性、自适应性和收敛性,因此受到人们的青睐。在经济与社会的预测预警研究领域中,主要涉及到的模型优化问题多数是连续域优化问题,而差分进化算法是一种对连续域优化问题具有良好性

6、能的新颖智能算法,该算法兼具了系统演化和集群智能的特性,具有受控参数少,收敛性好、鲁棒性强和易于实现的优点。然而对于复杂的工程优化问题,差分进化算法也存在容易陷入局部最优值的不足,鉴于此,本文首先对连续域优化问题的研究方法和差分进化算法进行综述,在此基础上对差分进化算法进行改进,提出了基于差分进化的鱼群算法和基于精英协同的混洗差分进化算法,并进行连续域函数的优化仿真实验,实验结果验证了改进算法的良好寻优性能。基于差分进化的鱼群算法基本思想是:首先以人工鱼群算法为主体,在依鱼群中心执行聚群行为和依公告板最优记录执行追尾行为的基础上,对公告板增设鱼群停滞阈值和停滞状

7、态记录,以对处于停滞阶段的鱼群执行差分进化操作,进而实现对停滞阶段鱼群的扰动,从而在保证算法全局探索能力的同时,提高了局部开发能力,克服了算法在搜索后期的无目的性。通过Benchnladk函数测试,并与其它鱼群算法、粒子群优化算法口SO)进行比较,结果表明该融合算法的收敛速度和寻优精度得到显著改善,具有较好的优化效果。基于精英协同的混洗差分进化算法(ShumedDi脑entialEvolution,SDE)基本思想是:在引入反向学习的初始化机制的同时,对设置的普通群和虚拟精英群采用不同的差分策略,进而将精英个体作为信息通道实现种群问的信息交流:同时,借助种群的定

8、期混洗机制实现种群间的文

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。