大研论文赖雪晓

《大研论文赖雪晓》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、大学生研究计划论文题目：基于混沌控制的差分进化算法及系别:姓名:学号:导师:其在大规模优化问题中的应用电子科学与技术系赖雪晓PB05210479李斌副教授王瑜2008年10月4日基于混沌控制的差分进化算法及其在大规模优化问题中的应用3摘要3关键字：3I.引言31」研究冋顾41.2算法思、想5II•大规模优化问题5III.DE算法63.1经典DE63.2chaotic-DE63.3对比实验（低维问题）7IV.方差优先策略（VP）114.1算法114.2实验124.2.1对比实验结果（高维问题）：13422参数敏感性154.2.3可

2、延展性16V.总结16参考文献：17基于混沌控制的差分进化算法及其在大规模优化问题中的应用摘要大规模优化问题(LargeScaleGlobalOptimization)是优化领域小一个非常巫要并且难度很人的优化任务。在经典数学逼近优化领域，各国的学者已经根据该问题的特性，经过数十年的研究，提岀了-•批优秀的大规模优化算法。但是，这些确定性优化算法往往要求较多的先验知识，如连续可微，H已知梯度等等。然而，许多实际应川问题很难满足这些要求，有些问题其至无法给出可解析的目标断数计算公式，这极大地限制了确定性优化方法的应川。由于具有很好

3、的近似搜索性能，演化算法被广泛应用于许多实际优化问题的求解。但是，当这些问题的规模变大时，尤其是达到数TT其至上千维时，1=1前已知的许多优秀的演化算法的性能会急剧恶化”】。本文先从经典的数值优化着手，提出一种新的基于混沌控制的口适应差分进化算法(ChaoticDifferentialEvolution(chaotic-DE)),并以之为载体结合针对人规模优化问题提出的方差优先策略(VariancePriority(VP))形成了一种新的基于协同进化的差分进化算法(VariancePriorityCooperativeCoevo

4、lutionDifferentialEvolution(VPCCDE))o为了全面展示chaotic-DE的优势,我们首先将几种类似的算法DE,SaDE和chaotic-DE在低维问题上对经典函数的优化做比较，以评估所采用策略的有效性。为了测试VP策略在大规模优化问题上的性能，我们将儿种经典的算法SaNSDE,FEPCC,DECC-0和新近提出的算法DECC-G在高维问题的表现和引入VP策略的chaotic-DE算法做比较。为了测试该算法的参数敏感性，我们将对算法采川以10维为一组和100维为一组的协同进化策略，以此互相比较。通

5、过实验验证，VPCCDE表现出优秀的收敛性，多样性和对拓展性，是一种具有强鲁棒性的优化算法。关键字：大规模优化问题LargeScaleGlobalOptimization(LSGO),混沌控制ChaoticControl(CC),差分进化DifferentialEvolution(DE),白适应差分进化SelfAdaptiveDifferentialEvolution(SaDE)方差优先VariancePriority(VP),协同进化CooperativeCoevolution(CC)I.引言在生产实践与科学研究中，存在许多人

6、规模优化问题。例如人规模电网配置与调度⑴⑵、大规模交通网络的设计⑶、移动通信网络设计⑷、生物医学信息处理⑸⑹、飞行器或汽车的空气动力学设计⑺、以及数据挖掘网9】等等。这些问题的共同特点是决策变量的个数往往非帘多，即解空间维数很高。维数的增人在导致问题解空间急剧增人的同时，也会造成问题求解难度的急剧增大。此外，在一些应用问题中，各维之间还可能存在复杂的依赖关系，这也导致问题变得更为复杂。1.1研究回顾在之前的研究屮，人规模优化问题已经引起了广泛的研究注意。经典确定性优化领域的大规模优化算法主要包括共轨梯度法及其扩展，10H1子空

7、间截断牛顿法“現划分拟牛顿法［13有限记忆BFGS法冋、有效集牛顿法〔⑸和子空间有限内存拟牛顿法〔⑹等等。但是，这些确定性数学逼近算法往往要求较多的先验知识，如：目标函数必须明确已知，连续可微,H.已知梯度等等。而许多实际应川问题很难满足这些要求，有些问题甚至无法给出可解析的目标函数计算公式，因此限制了确定性优化方法的应用。已有研究表明：演化算法由于具有很好的近似搜索性能，并.11•对目标函数的形式要求宽松，因此，相比经典优化算法，在求解非连续、不可微、多峰、有噪声、多目标、以及不能很好定义的问题上性能更加优良，被广泛应用于许

8、多实际优化问题的求解。但是，当问题的规模变大时，尤其是达到数百至上T维时，H前已知的许多优秀的演化算法的性能会急剧恶化WJ。原因主要有两个［⑺：一是，随着问题规模的增人，问题的复杂程度也会随之发生变化，原来在小规模问题上效果良好的策略，可能会不再有效；二是，随着