差分進化算法改進研究及其應(yīng)用.pdf

1、差分進化算法是一種基于浮點數(shù)編碼的并行隨機啟發(fā)式搜索方法，由于其實現(xiàn)簡單、理解容易、控制參數(shù)少、收斂精度高、收斂速度快以及魯棒性強等優(yōu)點，現(xiàn)已成功應(yīng)用于科學與工程領(lǐng)域。然而，隨著待求解問題復(fù)雜度的增長，差分進化算法本身也存在諸如早熟收斂、求解精度低以及進化后期收斂速度慢等缺陷。因此，對差分進化算法進行分析改進，以改善算法的收斂性能，擴展算法的實際應(yīng)用領(lǐng)域，具有重要的理論研究意義與實際應(yīng)用價值。
　　針對差分進化算法求解復(fù)雜函數(shù)時出

2、現(xiàn)的性能問題，本文結(jié)合引力搜索算法的優(yōu)點，提出一種基于閾值統(tǒng)計學習思想的混合差分進化引力搜索算法。該算法通過閾值統(tǒng)計學習的方式，充分利用差分進化策略的全局優(yōu)化能力與引力搜索策略在進化后期的種群開發(fā)能力，在進化過程中根據(jù)兩種策略在先前學習代數(shù)的成功率自適應(yīng)選擇較優(yōu)策略生成下一代群體，保證種群在問題解空間中的探索能力與開發(fā)能力之間的平衡，以提高混合算法的全局尋優(yōu)能力。經(jīng)典復(fù)雜測試函數(shù)的仿真實驗結(jié)果表明:改進算法求解精度高，收斂速度快，魯棒性

3、強，能夠有效避免早熟收斂問題。
　　針對復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題，本文在標準差分進化算法的框架下，提出一種新型免疫離散差分進化算法。該算法采用標簽傳播的方式生成初始種群，通過離散差分進化策略來保證種群在問題空間的全局搜索能力，同時對種群中的優(yōu)秀個體進行針對性的高頻克隆變異操作，以提高算法的局部開發(fā)能力，改善算法的尋優(yōu)性能。以計算機生成網(wǎng)絡(luò)與真實世界網(wǎng)絡(luò)為對象的仿真實驗結(jié)果表明:該算法具有較強的尋優(yōu)性能與魯棒性，能夠有效探測復(fù)雜網(wǎng)絡(luò)中存