基于貪婪策略的微分進(jìn)化算法及其應(yīng)用研究.pdf

1、全局優(yōu)化問題大量存在于科學(xué)研究和工程應(yīng)用的各個(gè)領(lǐng)域，進(jìn)行全局優(yōu)化方法的研究具有重要的理論意義和實(shí)用價(jià)值。微分進(jìn)化算法是模仿自然界生物進(jìn)化過程中“優(yōu)勝劣汰、適者生存”原理的一種進(jìn)化算法，能夠處理非線性、不可微、多局部極值等優(yōu)化問題，具有算法簡單、全局優(yōu)化能力強(qiáng)、魯棒性好等特點(diǎn)。同時(shí)，微分進(jìn)化算法在搜索時(shí)存在一定的盲目性，具有局部搜索能力弱、搜索效率低、后期收斂速度慢等缺點(diǎn)，因此在對(duì)計(jì)算復(fù)雜度較高的目標(biāo)函數(shù)進(jìn)行優(yōu)化時(shí)效果不佳。
　　為

2、了提高微分進(jìn)化算法的搜索效率，改善應(yīng)用效果，本文在分析微分進(jìn)化算法原理的基礎(chǔ)上，對(duì)算法中的參數(shù)效能進(jìn)行統(tǒng)計(jì)分析，總結(jié)微分進(jìn)化算法存在的不足，進(jìn)行算法改進(jìn)研究以提高算法的搜索效率，形成三種基于貪婪策略的微分進(jìn)化算法，并將算法應(yīng)用于聚類分析和數(shù)字濾波器設(shè)計(jì)，驗(yàn)證算法的有效性和實(shí)用價(jià)值。
　　本文的主要研究內(nèi)容和成果如下：
　　1．利用統(tǒng)計(jì)分析和相圖的方法，研究了微分進(jìn)化算法中變異因子、交叉因子、種群規(guī)模的合理取值范圍，利用單因子

3、方差分析法探討了變異因子、交叉因子、種群規(guī)模與算法收斂速度和優(yōu)化性能之間的關(guān)系，并總結(jié)出參數(shù)設(shè)置基本指導(dǎo)原則，具有實(shí)用價(jià)值。
　　2．針對(duì)微分進(jìn)化算法局部搜索能力不強(qiáng)、搜索后期收斂速度較慢的缺點(diǎn)，對(duì)微分進(jìn)化算法的搜索機(jī)制進(jìn)行分析，提出了帶局部增強(qiáng)算子的微分進(jìn)化算法，使部分個(gè)體圍繞當(dāng)前最優(yōu)個(gè)體尋優(yōu)，并隨著迭代次數(shù)增加逐步轉(zhuǎn)向精細(xì)搜索，增強(qiáng)算法運(yùn)行后期的局部搜索能力。仿真結(jié)果表明改進(jìn)算法具有更強(qiáng)的局部搜索能力和更快的收斂速度。

4、　　3．在研究微分進(jìn)化算法各優(yōu)化策略優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了二次優(yōu)化和分組優(yōu)化兩種優(yōu)化策略混合方法，并研究了混合因子的動(dòng)態(tài)更新機(jī)制。仿真結(jié)果表明基于混合優(yōu)化策略的微分進(jìn)化算法具有更高的搜索效率。
　　4．針對(duì)微分進(jìn)化算法變異操作完全隨機(jī)和盲目的缺點(diǎn)，提出了貪婪變異算子并與動(dòng)態(tài)微分進(jìn)化算法相結(jié)合形成新算法。貪婪變異算子的基點(diǎn)向量從優(yōu)于種群平均適應(yīng)度的個(gè)體中選擇，以加速優(yōu)秀個(gè)體的產(chǎn)生。仿真結(jié)果表明改進(jìn)算法既保持了算法的高尋優(yōu)成功率，同時(shí)