差分演化算法及其改进算法集成界面的实现

摘要

差分演化算法(differentialevolution,DE)作为一种全局优化算法,是群智能演化算法的成员之一,由Storn和Price于1995年首次提出。该算法采用实数编码,具有结构简单、容易实现、收敛快速、鲁棒性强等优点,现已成为许多相关领域的专家学者们的研究热点,并已成功应用到多种工程应用领域中。
　　然而,差分演化算法也存在一些有待研究、改进的方面:如算法本身局部搜索能力较差;算法性能对算法控制参数的设置敏感,对不同问题需要选择不同的参数值;差分演化算法中的多种变异策略具有不同的性能,适合求解不同的问题,如何根据不同问题选择最优的变异策略是很困难的。为此,本文将针对以上算法的不足,做以下工作:
　　1)利用MFC设计友好、便捷的算法程序操作界面,可针对不同的问题自主更改算法的默认控制参数值,对不同维度的函数都能得到较好的优化结果,尤其是对高维度函数该算法仍然适用;同时,可灵活设置多次独立运行次数,提高优化结果的精度。
　　2)集成并实现与生物地理学(Biogeography-basedOptimization,BBO)优化算法混合的改进差分算法、以多策略选择(Multi_strategySelection,MSS)改进差分演化算法,改进后的算法可以弥补传统差分演化算法存在的不足,如增强算法局部搜索能力,平衡算法的勘探和开采能力,加快算法后期的收敛速度等。
　　3)集成多个标准测试函数供算法性能测试使用,算法及测试函数均可自主选择,并将优化结果、测试函数理论值、自变量的值、计算时间以及迭代次数显示在界面上,计算时间和算法迭代次数是评价算法优劣的两大标准。
　　在本论文中,算法的实现均采用标准C++语言;通过测试函数的优化计算对算法性能进行验证、比较,实验结果表明改进算法能有效的弥补传统差分演化算法本身的不足,不同算法的优势互补能一定程度上提高算法的优化性能。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 引言

1.2 国内外发展现状

1.3 本文内容与结构

第二章 优化问题及算法

2.1 最优化问题模型

2.2 无约束最优化传统优化算法

2.3 无约束最优化演化算法

2.4 本章小结

第三章 差分演化算法

3.1 差分演化算法基本操作

3.2 差分演化算法性能测试

3.3 差分演化算法的优缺点

3.4 本章小结

第四章 差分演化算法的改进

4.1 基于BBO的混合差分演化算法

4.2 多策略选择差分演化算法

4.3 本章小结

第五章 算法界面设计与实现

5.1 MFC简介

5.2 集成界面的功能实现

5.3 算法性能比较分析

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 工作展望

致谢

参考文献

附录 缩写对照表