基于DE和EDA混合算法的組合優(yōu)化問(wèn)題求解方法研究.pdf

1、差分進(jìn)化算法（Differential Evolution, DE）和分布估計(jì)算法（Estimation of Distribution Algorithm，EDA）是近年來(lái)進(jìn)化計(jì)算領(lǐng)域內(nèi)新出現(xiàn)的優(yōu)化算法。DE和EDA都具有較好的連續(xù)優(yōu)化性能，但是兩者在組合優(yōu)化中的應(yīng)用仍相對(duì)較少，同時(shí)對(duì)于兩者的有效混合也缺乏相應(yīng)的研究。因此，本文對(duì)于 DE和 EDA混合算法的組合優(yōu)化問(wèn)題求解方法進(jìn)行了研究，并結(jié)合旅行商問(wèn)題和生產(chǎn)調(diào)度問(wèn)題的特性，對(duì)求解方

2、法進(jìn)行了相應(yīng)設(shè)計(jì)。
　　首先，考慮DE算法的求解特點(diǎn)，提出了排列離散差分進(jìn)化算法（簡(jiǎn)稱pDDE）。通過(guò)引入基于排列定義的距離，重新設(shè)計(jì)了DE中的加、減和乘法操作，改進(jìn)了算法的差分變異操作。同時(shí)引入基于排列的交叉操作，以及基于2-opt操作的局部搜索算法。將pDDE用于求解旅行商問(wèn)題，測(cè)試結(jié)果表明算法能夠快速求得高質(zhì)量的解，其性能要優(yōu)于遺傳算法、蟻群算法和粒子群算法等代表性方法。
　　接著，針對(duì)置換流水車間調(diào)度問(wèn)題，利用分布估

3、計(jì)算法改進(jìn)了pDDE算法的求解流程與實(shí)現(xiàn)方式，提出了混合算法compact離散差分進(jìn)化算法（簡(jiǎn)稱cDDE）。算法利用概率分布來(lái)替換傳統(tǒng)DE中的種群，并設(shè)計(jì)了新的更新方式。同時(shí)改進(jìn)了離散差分變異操作，通過(guò)從概率分布中采樣來(lái)得到隨機(jī)個(gè)體，然后引入基于排列的擾動(dòng)方式生成變異個(gè)體。此外，采用了基于Metropolis準(zhǔn)則的接受方式，并結(jié)合基于插入操作的局部搜索算法，來(lái)提高算法性能。將提出的cDDE算法與不同文獻(xiàn)中的DE和EDA算法進(jìn)行了比較，實(shí)