改进的差异进化法求解高维全局优化问题研究.pdfVIP

摘 要 全局优化问题在科学与工程领域普遍存在，具有重要的研究意义和 应用价值。随着研究的深入，因搜索空间巨大而求解难度大的高维全局 优化问题逐渐成为优化问题研究的新热点。而对求解一般全局优化问题 具有较好性能的差异进化算法，在求解高维全局优化问题时则需要做很 大改进才能取得较好的效果。本文围绕改进差异进化算法求解高维全局 优化问题展开，并对进化算法框架等相关领域进行了较为深入的研究。 本文首先阐述差异进化算法的标准实现、常用差异策略、最新发展 和当前研究热点，在描述了高维全局优化问题之后，介绍了对求解高维 全局优化问题的较为有效的协同进化算法。 本文通过将差异进化算法与Potter协同进化模型结合，提出了一种 自适应构造块识别协同差异进化算法。该算法使用了两个种群，一个为 基因序种群，用于调整候选解个体的基因序以识别构造块，一个为候选 解种群，用于搜索最优解和评价基因序个体的优劣。两个种群使用不同 的搜索算法进行进化，并具有协同进化机制，通过种群合作搜索最优解。 实验表明，自适应构造块识别协同差异进化算法具有较强的全局和局部 搜索能力，是求解高维全局优化问题的一种有效算法。 由于目前进化算法的分支众多，研究者亟需便利的研究工具。本文 提出了一种进化算法框架EA．卜十，该进化算法框架抽象了进化算法的种 群结构、进化过程、进化算子、适应值评估、数据统计等主要组成部分， 提供了进化算法的基础实现，采用了低耦合的模块设计、可扩展的分层 设计和高效率的底层实现，具有较为安全的异常处理机制。与进化算法 领域的其他框架比较，E—卅框架具有高效、灵活、可扩展、可配置、 可移植的特点，对进化算法的研究者们具有较高的应用价值。 关键词进化算法，差异进化算法，高维全局优化问题，协同进化，进 化算法框架 ABSTRACT Global inscienceand OptimizationProblems(GOPs)areprevalent have research and value． engineering，andimportantsignificanceapplication Wththe of Global developmentresearch．High．dimensionalOptimization aredifficult have search and tosolve， huge space Problems(HGOPs)，which are anew of for owninggoodperformance becominghotspot．Instead needtobe greatly solvingGOPs，DifferentialEvolutionary(DE)algorithm for HGOPs．Thisfocuseson toachievebetterresults improved solving paper relatedareassuchas DEtosolve