[2018年最新整理]ATwo-PhaseDifferentialEvolutionforUniformDesigns.pptxVIP

A Two-Phase Differential Evolution for Uniform Designs in Constrained Experimental Domains ;ToPDE 背景 介绍 算法 实验结果 结论 ;背景;均匀设计（Uniform Design）是只考虑试验点在试验范围内均匀散布的一种试验设计方法。 适合于多因素多水平的试验和系统模型完全未知的情况。 实验中要考虑的对于实验指标有影响的变量简称为因素。 每个因素可能出现的状态成为因素的水平。 ;在可行域里，试验点分布越均匀，偏差越小，它的代表性越好。 但是现实生活中，这些因素的定义域可能是由一些线性非线性，等式或不等式等约束。 另外，因素的个数（也可以表示为维度）对于均匀设计表的设计难度也有很大影响。;;;; 列号 试验号;;;ToPDE的目的就是对连续的线性非线性等式不等式约束的可行域设计均匀试验表。 下图是两因素的可行域里均匀分布的2D表达。;介绍;论文前半部分以汽车碰撞盒介绍算法。 我们需要选取一些具有代表性的试验点对汽车碰撞盒进行性能测试。;ToPDE的目的就是给出在各因素（x1,x2,x3…x14）可行域范围内均匀分布的试验点集。;这个算法的第一阶段是使试验集收敛到它的可行域。 下图是一个两因素的2D表示;算法第二阶段是使在约束域中的试验集均匀分布;算法;对于因素x1,x2,x3…x14， ToPDE算法要做的就是试验点（x1=,x2=,x3=,…x14=）在可行域范围内均匀分布;因素的约束条件和一些具体的参数设置;算法框架;第一个适应度函数;第一个适应度函数目的是判断试验点是否满足约束条件;第二个适应度函数;第二个适应度函数目的是求出所有试验点中最近的欧几里得距离。;第一阶段;随机生成一个试验点的种群P，大小为NP。 随机选取试验点r，根据距r的欧几里得距离，将NP分成 N=NP/NS个NS种群，NS表示种群大小。;对所有NS种群进行DE，进化一代，适应度函数为FF1, 更新NP。;如果每个子种群至少有 b=NP’/N个可行解，则在每个子种群选择b个个体，组成NP’，第一步完成，否则，重新随机选择个体r计算。;第二阶段;NP’进化一代后，有NS’个可行解。 如果可行解数量为0，继续进化。;对于每一个NS’的可行解，将它加入NP’中，删除NP’中欧几里得距离最近的一个点。如果种群对FF2表现更好，就保留更改。;如果连续更改失败count次，就表示试验点的分布趋于均衡，就可以输出了。;如果对NS’个可行解遍历完还没有输出，就重新进化现有的NP’再计算。;性能评估;如图，左边是测试集，右边是ToPDE算法生成的试验点。 MD越小，表示均匀分布覆盖整个可行域。;实验结果;2-D（两个因素）;初始种群划分的五个子种群，以蓝色十字架为R，蓝色区域是可行域.;第一步完成; 第二步的初始种群NP’;第二步完成，试验点在可行域范围内均匀分布;运行ToPDE 50 次对这个2-D的例子. MD值如右表所示;对ToPDE和NTMD各自运行50次。参数设置如下图：;ToPDE（左）和NTMD（右）的运行结果如下：;ToPDE运行50次的MD值曲线.;Five Benchmark Test Problems;表XII 和XIII 展示了ToPDE和NTMD 在G04约束域的运行结果. ;表XII 和XIII 展示了ToPDE和NTMD 在G09约束域的运行结果. ;对于G05, G18, 和G21， ToPDE and NTMD 50次运行的结果如下图。;优点;ToPDE对比NTMD的优点;ToPDE 在G04约束域对于x1—x4表现良好.;ToPDE 在G04约束域对于x3—x4表现良好.;对于试验点数量的延展性; (a) 一种新型的汽车碰撞盒 (b) G04 (c) G09;对于非连通区域的表现;DE/current-to-rand/1 变异算子;结论;选择DE的原因： DE实现比较简单 DE的变异算???的选择比较多;欧几里得距离算的是空间距离，对于下面的情况，欧几里得距离的对于问题的表意不够准确;Thank you