基于差分进化的水波优化算法

水波优化(WWO)算法是一种基于浅水波理论的新兴智能优化算法.为提高算法的收敛速度和精度,提出一种基于差分进化的水波优化(DEWWO)算法,在传播、折射、碎浪过程之后进行变异、选择、交叉操作,通过差分进化算法的过程有效地增加种群多样性,一定程度上避免算法陷入局部最优,提高算法搜索的效率和精度.对6个常用的基准函数进行测试,结果表明改进算法相对于基本水波优化算法在函数优化方面具备一定的优势,是对基本水波优化算法的有力补充.     

基于差分进化的量子粒子群优化算法的研究

为了提高量子粒子群算法(QPSO)的性能,利用差分进化对量子粒子群算法进行了优化.该优化算法(DE -QPSO)在粒子更新过程中,首先通过添加一个扰动来产生一个变异粒子,然后对变异粒子进行交叉操作产生新的试验粒子,最后对试验粒子进行选择操作,确定进入下一次迭代的个体.用5种标准测试函数对DE -QPSO、QPSO和 粒子群算法(PSO)的性能进行对比测试,结果表明DE-QPSO算法的性能明显优于PSO和QPSO算法,具有较好的应用价值.     

基于混合策略的差分进化算法

针对传统差分进化算法在求解问题中种群易收敛、易早熟的问题,提出了一种基于混合策略的差分进化算法.该算法根据粒子适应度、适应度标准差和粒子间距离标准差,将种群分为3个不同大小、不同功能的子种群,每个子种群采用不同策略和控制参数来实现自己被指定的功能.算法在搜索过程中既增强了种群的全局搜索能力,又增加了收敛精度.通过对4个标准函数的测试,仿真结果表明该算法比其他算法具有更好的寻优能力.     

基于差分进化算法的邓肯—张模型参数优化研究

基于典型红砂岩土石混合堆积体大型三轴试验结果,结合最优化理论,研究了差分进化算法(Differential Evolution Algorithm)在邓肯—张(Duncan-Chang)E-μ模型参数优化中的应用。通过改进差分进化算法研究,利用参数敏感性分析选择最优控制参数,并建立模型计算—试验数据误差多元目标函数,最终确定模型最优参数。结合计算—实验结果,绘制邓肯—张E-μ模型在不同围压条件下的(σ_1-σ_3)～ε_a曲线和ε_a～ε_v曲线。将D-C模型的常规计算结果与使用改进DE算法优化后的计算结果进行对比分析,论证了改进DE算法在该模型参数优化中的适用性,研究结果可用于岩土体本构模型参数的估算及优化过程,提高数值分析结果的准确性。     

基于邻域拓扑文化差分进化算法的无功优化模型研究

提出了求解无功优化问题的一种新算法——基于邻域拓扑文化差分进化算法。将邻域拓扑结构纳入了文化差分进化算法,改进了文化差分进化算法过早收敛,易于陷入局部最优解的问题。并首次将该算法应用到无功优化问题中,使其能迅速获得全局优化解,具有很好的全局收敛性能和更好的优化能力。最后,将该算法在IEEE 30节点系统上进行了无功优化...     

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...     

基于优化离散差分进化算法的压缩感知信号重构

针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷,提出了一种基于优化离散差分进化(ODDE)算法,对进化种群进行分析,在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性.重新定义了差分进化粒子的编码方式和进化机制,并将优化后的离散差分进化算法应用于压缩感知重构方法中.将稀疏度未知信号等效为粒子编码,...     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

基于改进多目标差分进化算法的节能优化调度

随着环境问题日益突出,新能源在全球范围内得到迅速发展,电网的调度模式和技术是提升新能源消纳的关键.采用以最少的煤炭资源消耗量及水电站发电为目标,以火电机组的出力和梯级水电站的发电流量作为控制变量,综合考虑火电厂、水电站等约束条件,构建风光水火互补的电力系统动态调度模型.提出一种改进多目标差分进化算法对模型进行求解,算法中引入外部环境影响和参数自适应调整,可以提高种群全局寻优能力.分析结果表明:该算法比多目标差分算法收敛性和精确度更高,起到清洁能源的利用和削峰填谷的效果.     

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。     

动态种群差分进化算法研究

针对标准差分进化算法易早熟的缺点,模拟人类社会民族融合的进化历程,提出了动态种群差分进化算法(DPDE)。算法中将种群分为多个独立的子种群,子种群之间采用相互移民来进行信息交换,设置种群分裂和融合的条件来动态控制子种群个数。通过数值实验用几种典型的测试函数对DPDE的搜索性能进行了测试,实验结果表明,该算法能有效地避免早熟,具有良好的全局收敛性。     

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.     

基于差分进化算法的MU-MIMO用户调度算法

为了使MU-MIMO系统的用户得到更公平的服务,提出了一种块对角化预编码下基于差分进化算法的用户调度算法.该算法将差分进化算法进行改进,使其可对任意可行大小的用户子集进行调度,并进行参数自适应,与改进的比例公平算法相结合进行用户调度.实验结果表明,在不同的信噪比和用户数下,该算法较改进遗传算法在效率方面有大幅度提高,且公平度、系统和数据率相对于改进遗传算法均有所提高,能有效地解决块对角化预编码下的用户调度问题.     

基于差分进化算法的供热节能控制系统

针对公共建筑集中供热系统能耗高、自动调节和实时监控难度大的问题,将数字温度传感器、芯片控制技术及CAN总线技术结合到一起,设计了一种基于差分进化算法的神经网络控制的公共建筑集中供热系统.系统具有降低遗传算法复杂性、快速收敛的优势,且自适应能力较强,能够实现供热流量自动调节和网络实时监控.为了验证该系统的节能效果,与传统节能控制系统的供热消耗进行了试验比较,结果表明,该系统最低平均节能10.1%,最高节能16.3%,节能效果更好.     

基于差分进化算法的旧采空区水分质利用优化配置

大部分矿井水污染程度低,稍加处理即可供饮用、工业、农业、生态等使用。焦作煤田吴村矿旧采空区水可供水量为718 m³/h,矿区周围饮用、电厂、灌溉、养殖、生态等用户需水量为1 073.74 m³/h,旧采空区水仅能满足66.87%的用水需求;旧采空区水需处理达标后才能供给用户,不同用户的水处理工艺和费用差异较大,依据水质优化配置旧采空区水量具有重要意义。目的 为了实现矿井排水综合利用效益最大化,方法 以焦作煤田吴村矿旧采空区水为研究对象,在计算其供水量和分析水质基础上,结合矿区周围饮用、电厂、灌溉、养殖、生态需水量及水质要求,构建718 m³/h旧采空区水分质利用优化配置数学模型,并利用差分进化算法求解。结果 结果表明：灌溉期分配饮用水6.00 m³/h、电厂用水334.95 m³/h、灌溉用水353.89 m³/h、养殖用水19.76 m³/h、生态用水3.40 m³/h;非灌溉期分配饮用水6.00 m^...     

基于人工免疫系统的二进制差分进化算法

差分进化作为一种新的进化算法,在诸多实值优化问题中已经取得了巨大成功,然而,在解决离散问题时易出现早熟收敛.为了克服这个缺点,提出一种基于生物学免疫理论的二进制差分进化算法,通过引入负选择操作改善算法的收敛性能.模拟结果表明,基于生物学免疫理论的二进制差分进化算法比二进制粒子群优化和遗传算法,显著提高了搜索能力和收敛速度.     

一种基于混合差分策略的改进差分进化算法

对启发式优化算法中的差分进化算法进行改进．在进化过程中并行交叉采用DE／rand／1／exp和DE／best／1／exp差分策略，应用聚集度因子进行种群重构，缩小了种群重构后的搜索范围，有效避免了种群重构的随机性．仿真结果表明，改进算法与使用单一差分策略的差分进化算法及PSO算法相比．寻优能力得到了显著提高．     

自适应权重差分进化算法

针对使用不同中间向量遗传策略（学习策略）的差分进化算法所表现出的性能不同,提出一种改进的差分进化算法,对已有的两种遗传策略引入自适应权重,设计了一个新的中间向量遗传策略.通过对基准函数进行测试,结果表明新算法避免了早熟收敛,寻优性能较好,收敛速度较快,具有一定的有效性.     

基于差分进化算法优化BP神经网络的镍镉电池寿命预测

镍镉电池组作为移动电源对于现代军民用品是必不可少的.为了能够有效的提高镍镉电池寿命的预测精准度,在建立BP神经网络的电池寿命预测模型的基础上,运用差分进化算法(DE)优化BP神经网络连接的初始权值与阈值.预测结果表明:该改进的预测模型有较高的预测精度,误差控制在5%以内,有效地提高了BP神经网络的收敛速度,符合现实中镍镉电池实际运行的特性,对提高电池寿命评估的时效性和精确性具有重要的意义.