資源描述:
《動態(tài)環(huán)境下差分演化算法的研究和應(yīng)用》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要差分演化算法是一種基于群體的全局優(yōu)化算法。由于具有結(jié)構(gòu)簡單、性能優(yōu)越、易于實(shí)現(xiàn)等特點(diǎn),差分演化算法在交通優(yōu)化、工業(yè)設(shè)計(jì)、無線傳感器網(wǎng)絡(luò)等領(lǐng)域都有廣泛的應(yīng)用。目前已經(jīng)成為優(yōu)化計(jì)算領(lǐng)域的研究熱點(diǎn)。差分演化算法雖然得到了較多的關(guān)注和研究,并且成功應(yīng)用于許多靜態(tài)優(yōu)化問題上,然而,隨著科技的發(fā)展,越來越多的現(xiàn)實(shí)問題是復(fù)雜的、不確定的,會隨著時(shí)間的變化而變化。對于這些動態(tài)變化的問題的解決,需要算法具備更快的搜索能力,更好的跟蹤能力,能夠?qū)ψ兓沫h(huán)境快速而準(zhǔn)確的做出反應(yīng)。這對包括差分演化算法在內(nèi)的演化算法提出了新的挑戰(zhàn)。本文主要針對動態(tài)環(huán)境下的單目標(biāo)、多目標(biāo)以及高維函數(shù)
2、差分演化算法進(jìn)行了深入研究,并將改進(jìn)算法應(yīng)用于疏散路徑優(yōu)化中。論文主要包括以下幾部分:1.動態(tài)環(huán)境下單目標(biāo)差分演化算法的研究。首先,對動態(tài)優(yōu)化問題的定義和數(shù)學(xué)上的描述進(jìn)行了分析。接著,對動態(tài)單目標(biāo)優(yōu)化問題的測試函數(shù)和評價(jià)標(biāo)準(zhǔn)進(jìn)行了研究。在此基礎(chǔ)上,提出了基于預(yù)測區(qū)的多策略動態(tài)差分演化算法。在改進(jìn)算法中,主要采用了多種群策略,預(yù)測區(qū)策略和局部搜索策略。仿真實(shí)驗(yàn)結(jié)果表明,這些策略增強(qiáng)了算法應(yīng)對動態(tài)單目標(biāo)優(yōu)化問題的能力,使得改進(jìn)算法能夠?qū)ψ兓臉O值進(jìn)行有效地跟蹤。2.動態(tài)環(huán)境下多目標(biāo)差分演化算法的研究。首先,對動態(tài)多目標(biāo)優(yōu)化問題的定義進(jìn)行了描述,而后分析了動態(tài)多目標(biāo)
3、優(yōu)化問題的測試函數(shù)和算法的評價(jià)標(biāo)準(zhǔn)。在此基礎(chǔ)上,提出了基于自適應(yīng)混合遷移策略的動態(tài)多目標(biāo)差分演化算法。算法中提出了自適應(yīng)混合遷移策略和基于回歸和高斯擾動的預(yù)測策略。通過對四個(gè)不同類型的測試函數(shù)的仿真實(shí)驗(yàn),驗(yàn)證了所提出的算法在處理動態(tài)多目標(biāo)優(yōu)化問題時(shí)的有效性,同時(shí)表明算法能夠?qū)areto最優(yōu)前沿和Pareto最優(yōu)解集進(jìn)行有效的跟蹤。3.動態(tài)環(huán)境下高維函數(shù)差分演化算法的研究。首先對高維函數(shù)問題的困難進(jìn)行了分析,然后,提出了基于統(tǒng)計(jì)相關(guān)度的協(xié)同動態(tài)高維差分演化算法。該算法主要采用了基于統(tǒng)計(jì)相關(guān)度的協(xié)同策略和預(yù)測機(jī)制。通過仿真實(shí)驗(yàn),驗(yàn)證了所提出的改進(jìn)差分演化算法在處
4、理動態(tài)環(huán)境下的高維函數(shù)優(yōu)化問題時(shí)的有效性。4.基于改進(jìn)差分演化算法的疏散路徑優(yōu)化的研究。首先,研究了大型公共場所緊急疏散情況下的疏散路徑優(yōu)化問題。在疏散路徑優(yōu)化問題中,擁擠度,人群的速度等因素都是隨時(shí)間而變化的,因此,疏散路徑優(yōu)化問題是復(fù)雜的動態(tài)優(yōu)化問題。然后,以疏散路徑優(yōu)化中最重要的指標(biāo)——時(shí)間來作為單一的目標(biāo),并以擁擠度為約束條件,通過改進(jìn)的單目標(biāo)差分演化算法對這個(gè)目標(biāo)進(jìn)行求解。為了解決疏散路徑優(yōu)化問題,改進(jìn)算法中,采用了相應(yīng)的編碼方式,并定義了與問題相適應(yīng)的變異和交叉操作。仿真實(shí)驗(yàn)表明,改進(jìn)的單目標(biāo)差分演化算法能夠有效的解決疏散路徑優(yōu)化問題,并且能夠給出
5、比較好的解。最后,以最短時(shí)間、最短疏散路徑長度和最小擁擠度為三個(gè)目標(biāo),采用改進(jìn)的多目標(biāo)差分演化算法對模型進(jìn)行求解,仿真實(shí)驗(yàn)表明,改進(jìn)的多目標(biāo)差分演化算法能夠得到比較理想的解,并可以為解決疏散路徑優(yōu)化這樣的復(fù)雜的動態(tài)優(yōu)化問題提供一條有效途徑。關(guān)鍵詞:差分演化算法,動態(tài)環(huán)境,動態(tài)單目標(biāo)優(yōu)化,動態(tài)多目標(biāo)優(yōu)化,動態(tài)高維函數(shù)優(yōu)化ⅡAbstractDifferentialevolution(DE)isapopulation·basedglobaloptimizationalgorithm.Becauseofitssimplestructure,superiorperfor
6、manceandeasyimplementation,theDEalgorithmiswidelyusedinlotsoffieldssuchastrafficoptimization,industrialdesignandwirelesssensornetworks.Now,ithasbecomeahotspotinthefieldofcomputationalintelligenceresearch.AlthoughtheDEalgorithmhasgottenalotofattentionandbeensuccessfullyappliedtoanumb
7、erofstaticoptimizationproblems,manyreal-worldoptimizationDroblemsarecomplexanduncertain,theobjectivefunctionsorconstrainsmightchangeovertime,andthus,theoptimumoftheproblemmightchangeaswell.ThisbringsnewchallengestoDEeventoevolutionarycomputationasawhole.Inthisdissertation,theory,met
8、hodandapplicationof