多模态函数优化的拥挤差分进化算法

针对目前多模态优化存在无法找到全部局部极值解的问题,提出了一种基于拥挤模型的差分进化算法,利用差分进化算法的全局搜索策略和内在的并行方式,通过拥挤模型的高群集因子(crowding factor,CF)搜索,避免了取代错误,保持了物种的多样性,可准确定位多模态函数的最优解和全部极值解.同时,该算法具有参数少、操作算子简单、收敛速度快等特点.实验结果表明,提出的拥挤差分进化算法处理多模态优化问题时在收敛速度、收敛精度上皆明显优于拥挤遗传算法.  

一种新的差分进化约束优化算法

对于约束优化问题,目前提出的差分进化算法大多采用罚函数法,但此方法对罚参数有很强的依赖性.基于此,把约束优化问题中的约束条件当作一个目标函数,从而把约束优化问题转化为有两个目标函数的多目标优化问题.借鉴多目标优化中的Pareto的概念,对种群中的个体规定等级,便于在优胜劣汰过程中确定选择概率.同时,在算法陷入局部最优时,采用一种不可行解替换机制来提高算法搜索能力.对13个标准测试问题的测试结果表明,与动态惩罚函数的进化算法、可行性规则的差分进化算法、采用随机排序的进化策略以及人工免疫响应约束进化策略相比,新算法在求解精度上均具有一定的优势.  

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.  

控制参数协进化的差分进化算法及其应用

提出一种控制参数协进化的差分进化算法（DE-CPCE）,实现算法控制参数随种群搜优进展,自适应动态调整。DE-CPCE算法将控制参数作为原始个体的共生个体,且每一个原始个体都有各自的共生个体;算法在对原优化问题进行差分进化搜优的同时,以原始个体进化效率作为共生个体（即控制参数）的评价,并通过共生个体的差分进化操作实现其协进化。DE-CPCE算法能随优化问题搜优进展,自适应动态调整算法控制参数,实时为算法搜优提供最优的控制参数。仿真研究表明,DE-CPCE算法的控制参数具有动态自适应性;并且在与文中所提及的算法（DE/rand/1,DE/best/1,DE/rand-to-best/1,DE/rand/2,DE/best/2,self-adaptive Pareto DE and self-adaptive DE）比较中,该算法能以较高概率求得全局最优值,且收敛速率快,求得最优解的精度高。同时,应用DE-CPCE算法估计SO2催化氧化反应动力学模型参数,结果优于文献报道。  

置信规则库参数学习的并行差分进化算法

为解决置信规则库中现有参数学习方法主要是串行算法且不适用于求解大数据下参数优化模型的问题,结合群智能算法中的差分进化算法和集群系统中分布式方法,提出了基于消息传递接口的并行参数学习方法。以输油管道检漏问题为例,对比分析了本算法与现有参数学习方法在收敛时的误差,并在不同结点数的集群系统中分析了本算法的加速比和效率。实验结果表明,并行的参数学习方法是有效可行的。  

复杂机械产品性能意图优化研究

为解决专用装备制造业中复杂机械产品多设计参数、多设计约束、多设计目标的设计优化问题，采用一种基于Pareto最优解的多目标广义差分进化(GDE)算法.GDE算法在普通差分进化算法的基础上改进了约束条件的处理方法，利用差分进化算法模拟生物种群进化，以群体中的所有个体为对象，采用随机化技术对一个被编码的参数空间进行高效搜索，通过反复迭代搜索到多目标优化问题的近似Pareto最优解集.以高速工业平缝机勾线机构的设计为例，通过对求得的Pareto最优解集的分析，得到了高速工业平缝机勾线机构的设计特性，为设计人员今后进行高速工业平缝机勾线机构性能设计优化提供了充分的依据.  

自适应差分进化算法

提出了一种自适应差分进化算法,该算法在计算过程中自适应调整缩放因子,在搜索初期保持种群的多样性和增强全局搜索能力,后期有利于局部搜索提高算法的精度。数值实验结果表明,该算法有效的避免早熟,提高了全局寻优能力。该算法的性能优于基本微分进化算法。  

基于改进的DE算法对PID参数的优化

通过改进标准差分进化算法的放缩因子,得到一种改进的差分进化算法.这种改进的差分进化算法具有自适应的特点,能自调整放缩因子的大小,而标准差分进化算法的放缩因子通常取某个常数.将这种改进的差分进化算法用于PID参数的优化,克服了一些传统方法过于直接、不能寻优的缺点.仿真结果显示,改进的差分进化算法,具有较快的响应速率和较好的鲁棒性.  

梯度距离能量优化算法于长链式网络中的应用

针对井下煤矿的特殊地理环境和长链式网络的特点,提出一种基于差分进化算法的梯度距离能量优化算法,通过优化节点间的距离来均衡不同距离间节点转发数据所损耗的能量,以延长整个网络的使用寿命.用差分进化算法模拟软件1stopt,求解节点能量损耗最小和整个网络使用寿命最长为多目标函数的节点间的距离值,并采用距离能量百分比加以修正,求出优化距离值.仿真实验表明:基于差分进化算法的梯度距离能量优化算法,提高了节点能量使用率,延长了网络的使用寿命.  

一种求解二重积分的差分进化算法

针对传统方法和基本差分进化算法在求解数值积分方面存在的不足,提出了一种求解二重积分的差分进化算法,该方法的基本思想是在矩形积分区域的两个方向上各自随机选取一定的节点,通过改进的差分进化算法对这些节点进行优化,以优化后的节点作为分割点计算二重积分值,数值试验表明,本文算法得到的积分值精确度高,而且收敛速度快,在科学计算中具有一定的应用价值.