改进自适应差分化算法及其应用研究.pdf

摘要 近年来，进化计算作为计算智能领域中的新兴学科发展迅速。，进化计算所涉及的 算法称为进化算法，主要包括遗传算法、遗传编程、进化策略、进化规划等。进化算法 具有自适应、自搜索、并行性等特点，己广泛地应用于解决各种科学和工程问题。 差分进化算法属于进化算法的新兴分支，是一种基于种群的并行迭代优化算法， 其性能主要由变异尺度因子，交叉概率因子和种群规模等控制参数决定，具有结构简 单、收敛迅速、鲁棒性强等优点而受到了广泛的关注和研究，并已应用于数据挖掘、 模式识别、数字滤波器设计、人工神经网络、组合优化、多目标优化等问题。但是，标 准的差分进化算法存在着早熟收敛和搜索停滞等缺陷，限制了其优化能力和应用范 围，因而迫切需要加以研究和改进。 本文对差分进化算法及其应用进行了研究。首先分析了控制参数对差分进化算法 的影响，设计了种群自适应调节差分进化算法；其次针对离散空间优化问题，设计了 改进的二进制差分进化算法；再次，为解决多目标优化问题，提出了多目标自适应差 分进化算法；然后，研究了基于差分进化算法的基因调控网络未知参数识别问题；最 后，研究了三维衣身原型曲面的智能分割问题。本文的主要研究内容和创新点具体如 下： f1)提出基于种群自适应调节的差分进化算法。种群自适应调节差分进化算法结 合两种差分进化策略，使得算法在初期具有较强的全局搜索能力，而在后期具有较强 的局部搜索能力；采用两种不同的种群调节方案，使得算法有效的提高了运行效率。 利用多种经典测试函数对该算法进行实验检验，并与其它常用差分进化算法进行比 较，结果表明该算法能够实现种群的白适应调节，全局搜索能力强，精度高，鲁棒性 好，收敛速度较快。 f2)提出改进的二进制差分进化算法。种群自适应调节二进制差分进化算法改进 运行过程中根据搜索状态白适应调整种群规模，提高了算法的效率和优化精度。与其 他二进制差分进化算法的实验对比结果表明，该算法优化精度较高，收敛性能良好。 f3)提出多目标自适应差分进化算法。为求解多目标优化问题，提出多目标自适应 差分进化算法，该算法将多种差分进化策略进行集成，通过多策略选择机制增强算法 改进自适应差分进化算法及其应用研究 的优化能力。通过实验表明，多目标自适应差分进化算法所得的最终解集更加逼近真 实的Pareto最优边界且在目标空间分布的更加均匀，具有良好的分布性和收敛性。 (4)基于差分进化算法的基因调控网络未知参数识别。对带有随机时滞和噪声扰 动的基因调控网络进行了稳定性分析，并基于差分进化算法提出一种基因调控网络未 知参数的识别方法，以达到准确获取参数的目的。通过理论分析和仿真证明，该识别 算法具有良好的鲁棒性和准确性，对分析、解决实际问题有一定的指导意义。 (5)基于差分进化的三维衣身原型曲面智能分割算法。针对三维衣身原型曲面的 特点，研究了三维曲面的展平及分割问题，提出了基于差分进化的三维衣身原型曲面 智能分割算法，实现了对衣身曲面的智能分割，得到将衣身曲面划分为可展区域和非 可展区域的准确分界线。通过实验证明了该智能分割算法的有效性和鲁棒性。 关键词：进化计算；差分进化算法；自适应；多目标优化；基因调控网络；参数识 别；三维衣身曲面；智能分割 Abstract recent anew of coⅡ卜 In vears，as subjectcomputational has eontainssome putationdevelopedrapidly．Evolutionaryalgorithm asGenetic Programming，Evolution Pro— A190rithm，Genetic these havenot somedi舶rent Evolution；andalgorithmsonly gramming，Di船rential Since