my差分演化de.pptVIP

引 言 Rainer Storn 和Kenneth Price在1996 年为求解切比雪夫多项式而提出； DE是一种随机的并行直接搜索算法,它可对非线性不可微连续空间函数进行最小化,以其易用性、稳健性和强大的全局寻优能力在多个领域取得成功； 应用：在约束优化计算、聚类优化计算、非线性优化控制、神经网络优化、滤波器设计、阵列天线方向图综合及其它方面得到广泛应用。 引 言 标准DE流程图 基本原理 基本原理——生成初始种群 (1) 生成初始种群 在n 维空间里随机产生满足约束条件的M 个染色体, 实施措施如下： 基本原理——差分变异 (2) 变异操作 从群体中随机选择3 个染色体 ， ， 且( i≠p1≠p2≠p3) , 则 基本原理——差分变异 基本原理——交叉操作 (3) 交叉操作 交叉操作是为了增加群体的多样性, 具体操作如下: 基本原理——选择操作 (4) 选择操作 为了确定 是否成为下一代的成员,比较向量 和目标向量 的评价函数: 试验——MATLAB 差异演化算法的参数选取 差异演化算法主要涉及群体规模M 、缩放因子 以及交叉概率CR三个参数的设定。 M：一般介于5×n 与10×n 之间, 但不能少于4, 否则无法进行变异操作; ：一般在[ 0, 2