差分进化算法的交叉概率因子递增策略研究

为了有效地控制差分进化算法的全局搜索和局部搜索,基于递增交叉概率因子的基本思想,在已有的自适应二次变异差分进化算法的基础上,提出了开口向下抛物线、开口向上抛物线和指数曲线3种非线性的交叉概率因子递增策略,并用4种经典函数对它进行测试。测试结果表明,对于多数连续优化问题,在初始参数相同的情况下,凹函数递增策略优于线性策略,而线性优于凸函数策略。凹函数递增策略能够在不影响收敛精度的情况下较大幅度地提高差分进化算法的收敛速度。     

量子自动机的交换性

定义了量子自动机及广义量子自动机的交换性,并提出了（广义）量子自动机所识别语言的交换性。利用半群及矩阵研究（广义）量子自动机的交换性,得出了（广义）量子自动机交换性的几个等价刻画。研究了（广义）量子自动机的交换性与其所识别语言的交换性的关系,证明了交换的（广义）量子自动机所识别的语言也是交换的。此外,讨论了（广义）量子自动机的广义直积、全直积、限制直积、级联积和圈积等积的交换性,得出了一些积的交换性的充分条件和必要条件。     

一种求解数值积分问题的差分进化算法

针对复杂函数的数值积分求解问题,提出一种基于不等距点分割的差分进化算法.该算法在积分区域中选取一些个体,并利用差分进化算法对其进行优化,通过将函数变化较快的区间分得较细,函数变化较慢的区间分得较粗,得到较准确的数值积分.数值计算结果证明,该算法可以快速计算通常意义下任意函数的定积分,并能计算振荡函数的积分.     

基于Tent混沌搜索的差分进化算法及其应用

针对差分进化算法求解函数优化问题存在过早收敛和不稳定等缺陷,提出一种利用Tent混沌搜索的差分进化算法(TCDE).用Tent映射初始化种群,并以种群搜索到的最优个体为基础产生Tent混沌序列,以提高种群多样性,增强算法跳出局部最优解的能力.几个典型测试函数的测试结果表明TCDE的搜索能力优于DE.将改进算法应用于近似计算导数,仿真结果表明,新算法不仅能近似求解一阶导数,还能近似计算较复杂的高阶导数.     

求解二重积分问题的差分进化算法

传统计算二重积分方法大都是等距分割方法,但是在在被积函数区间变化快慢相差较大时,计算精度大为降低。为此,提出一种不等距点分割的差分进化算法用于求解复杂函数的二重积分问题。在积分区域x向与y向上选取一些节点,将积分区域分割成很多小的子矩形域,并通过差分进化算法对其进行优化,使函数变化较快的区域分得小一些,函数变化较慢的区域分得大一些,从而得到较准确的二重积分。仿真结果表明,提出的算法收敛速度快,计算精度高,能计算较复杂的二重积分。     

一种新的差分进化算法

针对高维复杂函数的优化问题,提出了一种新的差分进化算法（NDE）。该算法在运行中根据迭代次数自动地调整交叉概率因子,从而在搜索的初始阶段提高种群多样性,而在搜索后期加强局部搜索能力。对几种经典函数的测试表明,新算法不仅具有很强的全局搜索能力,而且能有效避免早熟收敛问题。     

基于小生境的混沌变异差分进化算法

针对高维复杂函数的优化问题,提出了基于小生境的混沌变异差分进化算法（CNDE）。算法结合小生境策略,使子种群高效独立地进行搜索,并引入混沌变异进行精细的遍历搜索,在运行中根据迭代次数自动地调整交叉概率因子从而使搜索的初始阶段提高种群多样性,而在搜索后期加强局部搜索能力。对3种经典函数的测试表明,新算法不仅具有很强的全局搜索能力,而且能有效避免早熟收敛问题。