差分演化算法及其改进算法集成界面的实现-生物医学工程专业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 差分演化算法(differential evolution, DE)作为一种全局优化算法，是群智能演化 算法的成员之一，由 Storn 和 Price 于 1995 年首次提出。该算法采用实数编码，具有 结构简单、容易实现、收敛快速、鲁棒性强等优点，现已成为许多相关领域的专家 学者们的研究热点，并已成功应用到多种工程应用领域中。 然而，差分演化算法也存在一些有待研究、改进的方面：如算法本身局部搜索 能力较差；算法性能对算法控制参数的设置敏感，对不同问题需要选择不同的参数 值；差分演化算法中的多种变异策略具有不同的性能，适合求解不同的问题，如何 根据不同问题选择最优的变异策略是很困难的。为此，本文将针对以上算法的不足， 做以下工作： 1) 利用 MFC 设计友好、便捷的算法程序操作界面，可针对不同的问题自主更 改算法的默认控制参数值，对不同维度的函数都能得到较好的优化结果，尤其是对 高维度函数该算法仍然适用；同时，可灵活设置多次独立运行次数，提高优化结果 的精度。 2) 集成并实现与生物地理学(Biogeography-based Optimization, BBO)优化算法混 合的改进差分算法、以多策略选择(Multi_strategy Selection, MSS)改进差分演化算法， 改进后的算法可以弥补传统差分演化算法存在的不足，如增强算法局部搜索能力， 平衡算法的勘探和开采能力，加快算法后期的收敛速度等。 3) 集成多个标准测试函数供算法性能测试使用，算法及测试函数均可自主选择， 并将优化结果、测试函数理论值、自变量的值、计算时间以及迭代次数显示在界面 上，计算时间和算法迭代次数是评价算法优劣的两大标准。 在本论文中，算法的实现均采用标准 C++语言；通过测试函数的优化计算对算 法性能进行验证、比较，实验结果表明改进算法能有效的弥补传统差分演化算法本 身的不足，不同算法的优势互补能一定程度上提高算法的优化性能。 关键词：差分演化算法，改进算法，生物地理学，多策略选择， 集成界面 II II Abstract Differential evolution (DE) is a global optimization algorithm, and it’s one of the swarm intelligence evolutionary algorithm’s members. It was introduced by Storn and Price in 1995. It uses real-coding technology and has many other advantages, such as the simple structure, easing to use, fast convergence and strong robustness, which had became the research focus in many related fields, and had been successfully applied to several engineering applications. However, the differential evolution algorithm also has something to improved: poor local search ability; sensitized to the algorithm’s control parameters, different issues need to select a different parameter values; multi-strategy have different properties, how to select and which one is more suitable for the certain problems are very difficult. Therefore, this paper, aimed at the shortcomings of the above mentioned doing the following work: Using of MFC to design user interface which is friendly and convenient. So that you can change the default control parameter values for different problems if you like, raising the possi