基于参数动态调整的多目标差分进化算法

针对多目标差分进化算法最优解难以获取的问题,提出一种基于参数动态调整的多目标差分进化(AMODE)算法.AMODE算法通过设计变异率和交叉率的自适应调整策略,实现进化过程中变异率和交叉率的动态调整,均衡多目标差分进化算法的局部搜索能力和全局探索能力,获得收敛性、多样性和均匀性较好的最优解.实验结果表明,基于参数动态调整的AMODE算法能够有效改善多目标差分进化算法的逼近能力(IGD)和均匀性(SP),具有较好的优化效果.     

基于差分进化算法的认知无线电频谱分配

针对认知无线电系统中认知用户分配可用频谱问题,提出基于差分进化算法的认知无线电频谱分配算法。利用差分算法设置参数少、寻优能力强、不易于陷入局部最优等特点,得到可以使认知用户平均系统效益最大化的频谱分配方案。仿真结果表明,提出的算法不仅提高了用户平均系统效益,而且缩短了运行时间,提高了频谱分配效率。     

基于混合量子进化计算的混沌系统参数估计

混沌系统参数估计本质上是一多维参数优化问题.为精确估计混沌系统的未知参数,本文提出一种混合量子进化算法(HQEA)用于求解该优化问题,该方法采用实数量子角形式表示染色体,用量子比特的概率作为个体的当前位置信息;提出由差分进化计算更新量子位置状态的量子差分进化算法(QDE),并将其与实数编码量子进化算法(RQEA)相融合,以便令算法在解空间的全局探索和局部开发能力之间取得平衡.算法还引入量子非门算子,对当前最佳个体中按某个概率选中的量子比特位,进行变换操作,以便增强算法跳出局部最优解的能力.基准函数测试表明混合算法的全局搜索能力及可靠性都有很大改善.通过Lorenz混沌系统进行数值仿真,结果表明了该混合算法的有效性.     

基于差分进化算法的PID参数整定

研究了PID控制器的参数整定问题.常用的工程整定法没有考虑系统的任何要求,只能提供给系统一个稳定的状态,无法使系统运行最佳.理论设计法只能保证满足系统的某一特性要求.针对这两种方法存在的缺陷,将差分进化算法应用于PID参数整定,提出了基于差分进化算法的PID参数整定方法.新方法根据系统性能指标,设计适应度函数,充分利用差分进化算法优秀的寻优能力,寻找出较优的PID参数.最后,通过实例对三种参数整定方法的控制效果进行了仿真和比较,仿真结果证明了基于差分进化算法的PID参数整定方法明显优于工程整定法和理论设计法.     

基于DNN与IMPDE的武器系统效能优化北大核心

针对武器系统结构复杂,多变量多峰值的特点,难以稳定、准确地获得最佳参数组合,达到系统效能最大化的问题,建立以效能影响因素为输入、效能值为输出的深度神经网络模型,并提出一种改进多种群差分进化算法(IMPDE)。算法引入多种群协同进化策略和参数自适应调整策略,采用各具特点的差分进化算法对不同的子种群执行进化操作,增强了种群个体的多样性,保证了算法快速收敛的同时能有效地跳出局部极值点,提高了算法全局寻优的能力。仿真对比结果表明,上述算法具有更好的寻优精度和稳定性,可以高效准确地寻找到参数最佳组合。     

基于差分进化算法的四旋翼PID参数优化设计北大核心

针对四旋翼无人机PID控制器参数人工整定困难且难以获得最优控制效果的问题,提出一种基于改进差分进化算法的四旋翼PID控制器参数优化方法。方法首先利用变异、交叉、选择等操作调整PID参数,得出最优的个体;然后引入定向搜索策略,在下次变异操作前,根据上次适应度值比较的结果,决定变异的方向,提高算法的精确度。将改进差分进化算法应用于四旋翼无人机仿真模型,其中串级PID控制器的参数作为差分进化种群进行迭代寻优。仿真结果表明,对比粒子群算法和传统差分进化算法,改进后的差分进化算法能够使控制器稳态误差更小、调节方法更快。     

基于改进差分进化算法的PID优化设计

提出一种基于改进差分进化算法的PID控制器参数优化方法.针对差分进化算法的优化性能受控制参数取值和差分进化类型的影响较大,算法容易早熟收敛的问题,提出改进差分进化算法.该算法在标准差分进化理论基础上对差分矢量的初始种群、缩放因子、交叉概率和差分进化模式进行优化,将缩放因子和交叉概率由固定数值设计为随机函数,随着搜索过程的进行,自适应选取差分进化模式,从而增强搜索能力.在PID参数的优化设计中通过仿真实验研究,表明采用新方法获得的PID控制器性能优于基于常规方法、遗传算法和基本差分进化算法设计的PID控制器.     

基于差分进化算法的认知用户有效吞吐量优化

针对目前研究感知时间和有效吞吐量权衡问题的方法存在收敛速度慢、不能满足实时性要求的问题,提出一种基于差分进化算法的有效吞吐量优化方法,利用差分进化算法参数少、操作算子简单、全局搜索能力强和收敛速度快等优点,保证了在固定帧长下快速寻找到最优感知时间,使认知用户吞吐量达到最大。实验仿真结果表明,在同等条件下,提出的差分进化算法处理吞吐量优化问题时能达到接近理论值的精度,且收敛速度较快。     

改进的差分进化算法求解炼钢-连铸动态调度问题

为了求解炼钢-连铸动态调度问题,提出了一种将拉格朗日插值算法与差分进化算法相融合得到的改进的差分进化算法。改进后的差分进化算法通过自适应调整进化参数,动态的调整差分进化的方向,并结合拉格朗日插值来优化差分进化算法的局部搜索能力,引入权重系数对全局搜索和局部搜索加以平衡。针对国内某大型钢厂的实际生产数据建立实验模型,以最小化总完工时间、最小化总断浇时间、最小化炉次间总等待时间和最小化总偏差量时间为目标,将改进的差分进化算法应用于求解炼钢-连铸转炉出现故障的动态扰动事件调度问题,实验结果表明,改进的差分进化算法应用在炼钢-连铸动态调度问题上,有效的缩短了炉次加工总完工时间、炉次间总等待时间和总断浇时间,在合理范围内,有效控制了新生产的调度计划与原始调度计划的时间偏差量,避免了因扰动事件的发生而引起连铸机断浇。     

混沌时间序列的自适应变异差分进化ANFIS预测

提出了一种基于自适应变异差分进化（AMDE）算法的ANFIS模型对混沌时间序列进行预测的方法,该方法采用自适应变异差分进化算法和最小二乘法相结合的混合学习算法对ANFIS网络结构参数进行优化设计,利用差分进化算法的全局寻优能力对ANFIS网络前件参数进行优化,而网络的结论参数采用最小二乘法优化,混合学习算法提高了网络参数辨识的收敛速度和系统的全局收敛性,仿真实验结果表明了该方法的有效性。