差分进化

摘要： 在工程和科学应用中,实数优化问题很常见,它不仅复杂,而且计算昂贵。为了更好地解决实数优化问题,提出了一种基于jDE100的实数优化算法。该算法采用三种群差分进化策略,最后在保证计算结果精度的前提下,该算法明显减少了计算费用。试验结果表明,与其他采用差分策略的算法相比,本文算法在CEC2019的100位数字挑战中拥有精度与时间代价的优异性,且适合优化高维问题。

摘要： 远距离跨区直流输电(HVDC)的大规模应用给电力系统安全稳定运行带来了新的挑战。针对HVDC馈入后弱受端交流电网面临的暂态电压稳定问题,提出一种暂态电压稳定预防控制方法。建立以改善弱受端电网暂态电压恢复指标为目标函数,以火电机组有功出力、机端电压、直流输送功率为控制变量的暂态电压稳定预防控制优化模型。基于改进差分进化算法(IDE)求解模型来获取最优控制策略,IDE算法采用反向学习初始化种群和控制参数自适应调整策略,可有效提升种群的全局收敛性。以含HVDC馈入的某省级电网为例进行计算分析,结果验证了所提暂态电压稳定预防控制方法的有效性。

摘要： 针对单一进化算法不适合解决所有优化问题的情况,提出了一种混合多种进化算法解决约束工程优化问题的算法。该算法混合了差分进化、粒子群优化和共生生物搜索等3种算法,首先利用差分进化算法产生和选择最优种群,然后利用粒子群优化算法寻找每一个最优解并进行更新,最后利用共生生物搜索算法对所有种群进行共生互动更新,选择出最优种群以进行下一代的迭代。通过混合多种进化算法,采用改进的惩罚函数对多约束条件进行控制,使得该混合算法可以在不同的阶段利用各进化算法的优势进行寻找最优解,从而提高了求解精度。实验结果表明:与其他相关算法比较,该算法具有更高的求解精度和更快的收敛速度。

摘要： 为了提高文本分类的性能,采用差分进化的卷积神经网络(convolutional neural network,CNN)算法进行分类.首先随机设置CNN结构参数,然后采用差分进化算法优化参数,通过交叉和选择等操作选择不断进化获得最优个体,为增强差分优化的适用性,将缩放因子变化与进化代数相关联,解决了因为缩放因子设置不合理而造成优化等级不高的问题.卷积神经网络采用经过差分优化后的权重和阈值对文本进行分类训练,以获得稳定的文本分类结果.实验证明,通过合理设置差分进化交叉速率和卷积神经网络的卷积核尺寸,能够获得较好的分类准确率性能,RMSE值更低,在文本分类中的适用度高.

摘要： 针对飞鼠搜索算法(SSA)求解精度不高、容易早熟等缺点,提出一种采用反向学习和差分进化改进的飞鼠搜索算法(ODESSA)。首先对最初种群使用反向学习生成其反向种群,增加初始种群的多样性。其次,在SSA中利用差分进化算法中的变异、交叉、选择机制扩大飞鼠搜索范围,以此增强算法的全局勘探能力。最后再次利用反向学习生成所有搜索个体的反向解,进一步增强算法的全局勘探能力和算法的求解精度,并将ODESSA与其他3种智能算法在12个基准函数上进行性能比较。结果表明,ODESSA有着最佳的寻优结果,收敛速度也快于SSA。

摘要： 传统的自动电压控制方法仅考虑当前电压的无功优化问题,而未考虑电网在一段时间内可能的变化趋势,造成无功补偿设备动作频繁,影响电力系统的稳定运行模式。为此,本文考虑电网实际运行状态与理论计算结果差值的随机性,对常见工况下的发生概率进行量化计算,考虑电网网损量以及电压调整的偏差量,搭建了多目标的无功功率优化控制模型,并应用改进量子粒子群算法进行求解计算。最后,通过算例验证证实了所提电压无功优化控制算法的便捷性和高效性,具有较好的实践指导意义。

摘要： 为进一步提升图分类算法的性能和稳健性,提出了差分进化算法优化的图注意力网络集成.首先,通过划分原始样本让不同的基学习器关注数据的不同区域;其次,利用差分进化算法良好的搜索能力,以分类器集成的分类错误率为目标函数优化基学习器的权重向量;最后,在权重向量基础上综合各基学习器的输出作为分类器集成的总体输出.实验引入引文数据集Cora进行验证,与基础的图注意力网络模型相比,所提出的集成算法的分类性能和稳健性有一定的改进.在固定超参数时其准确率比内部基学习器平均准确率高0.001~0.011,以0~0.005的差距持平或领先于多数投票法分类器集成;在随机超参数时其准确率比内部基学习器平均准确率高0.053~0.173,以0.003~0.006的优势领先于多数投票法分类器集成;此外在参数扰动和数据扰动下的集成训练时长分析也得出了有意义的结论.

摘要： 针对电力工程投资精益化管理的需求,文中结合电力公司多年积累的工程数据资源进行了智能化数据挖掘算法的研究,提出一种基于电力工程设备材料历史价格和价格波动因素的工程数据预测方法。该方法基于支持向量机(SVM)、灰狼优化(GWO)和差分进化算法原理展开,其中,SVM的参数识别基于结构风险最小原则,避免了算法迭代过程中的过拟合现象;GWO算法引入了动态进化算子和非线性收敛因子,从而减小陷入局部最优解的可能性。在算法仿真时,重点关注了电网投资中的常用设备和材料,从不同的角度考虑设备材料价格的影响因素。数值实验结果表明,该算法在进行电网投资需求预测时,平均相对误差为2.86%,相比于GA-BP算法提升了3.56%。

摘要： 为解决大规模风电并网后传统调度策略易致线路长时间重载运行问题,提出含运行协调性的多目标优化模型及采用含动态搜索空间的混沌多目标差分进化算法求解。对多目标差分进化算法与搜索空间的动态更新机制进行有机结合,将随机生成算法的初始种群改为采用改进Tent映射的混沌化初始种群来提高算法的寻优精度。IEEE 30节点算例结果表明,所提优化算法可提高帕累托前沿的收敛性与均匀性,所提优化模型可将调度运行和预想故障下满载、超载支路的负载率降低至安全运行范围内,满载支路的负载率由100%降低至65%以下,预想故障中超载支路的负载率由120%降低至80%以下,提高了系统安全运行水平。

摘要： 为了提高资源推荐性能,采用广义回归神经网络完成资源推荐。首先,提取推荐系统的用户和资源特征,选择两者的特征差异值之和作为推荐系统目标函数,然后构建广义回归神经网络(Generalized regression neural network,GRNN)资源推荐模型。考虑到GRNN训练效果对平滑因子和核函数中心的依赖性强的特点,引入差分进化(Differential evolution,DE)算法对GRNN的平滑因子和核函数中心偏移因子进行优化求解:选择最小特征差异值求解函数作为DE算法适应度函数,通过DE算法的多次交叉、变异和选择操作,获得最优平滑因子和偏移因子。最后采用优化后的平滑因子和偏移因子进行GRNN资源推荐,生成特征差异较小的候选资源序列作为资源推荐序列。试验证明,选择合理的DE算法交叉速率和差分缩放因子,能够获得较好的平滑因子和偏移因子,GRNN也能够获得更好的推荐效果。和常用资源推荐算法比较,对于3种不同的训练样本,该文算法能够获得更优的资源推荐准确率,且RMSE值较低。

摘要： 针对基本人工蜂群算法搜索策略探索能力强而开发能力弱的特点,受粒子群和差分进化思想的启发,提出了两种新的搜索策略:PSO-DE-PABC和PSO-DE-GABC.前者在随机个体附近产生新的候选位置以提高算法的多样性;后者在最优解附近产生新的候选位置以提高算法的收敛速度,并加入差分进化中的差异向量来增加种群的多样性.在此基础上,引入维度因子来控制算法的收敛速度,并且使用一种利用当前种群信息的侦查策略来增强算法的局部搜索能力.通过对10组标准测试函数的实验仿真并与基本ABC、GABC和ABC/best算法相比,结果表明PSODE-GABC和PSO-DE-PABC对数值优化具有更高的收敛速度和收敛精度.

摘要： 汽轮机调速系统存在时滞、死区、饱和等非线性环节，并且会有突然的负载增减引起转速的变化，常规线性控制方法很难满足日益增加的汽轮机性能指标。本文采用模糊PID复合控制，结合模糊控制的快速动态响应以及PID控制的稳态性能并通过差分进化算法离线寻优参数，仿真结果表明该方法具有超调小、鲁棒性好、响应等优点，明显改善了汽轮机转速调节系统的控制品质。

摘要： 求解多约束下最小代价组播树是一个NP完全问题。为了有效地解决QoS受限路由问题，本文首先提出了一种基于差分进化的多约束QoS组播路由算法，结合差分进化算法的实数编码特点，组播树个体采用了路径编码的方式，通过变异操作和竞争生存策略进行寻优，然后分析了差分进化算法中的主要参数对组播算法性能的影响。实验仿真通过与遗传算法相比较来评价差分进化算法应用于组播路由问题中的综合性能，结果对比表明差分进化算法具有更好的全局搜索能力及收敛速度。

摘要： 针对分数阶PIλDμ控制器参数整定研究，回顾了分数阶微积分的数学描述，采用基于改进差分进化算法的分数阶PIλDμ控制器参数整定方法，并利用Oustaloup，Euler，Tustin，Al-Alaoui方法实现了分数阶微分算子。仿真结果表明，该算法计算精度高，收敛快，基于Euler，Al-Alaoui方法分数阶微分算子所设计的控制器能满足预设的性能指标，但Oustaloup，Tustin分数阶微分算子由于引入了额外的极点，影响了主导极点，不能满足预设的性能指标。

摘要： 为了有效求解多目标优化问题，提出了一种改进的多目标差分进化混合算法(SM-DEMO).该算法设计了一种基于欧氏距离的排序选择方法，将Pareto非劣等级排序操作和差分进化算法进行有机融合，并在进化过程加入单纯形局部搜索，引入优秀个体提高算法收敛性.实验证明，该算法能够有效逼近真实的非劣前沿，具有良好的收敛性和分布多样性.

摘要： 针对QoS组播路由问题,本文提出了一种基于蚁群搜索可行路径的双种群差分进化算法,结合差分进化算法的实数编码特点,组播树个体采用了路径编码的方式,通过蚁群算法搜索出代价相对较低的路径作为备选路径,然后将一种双种群差分算法应用到了QoS组播路由问题中。在不同规模的嘲络环境下,将该算法与几种常见的智能优化算法在路由请求成功率和算法执行时间方面进行了比较,结果对比表明新算法具有更好寻优性能。

摘要： 针对传统粒子群优化算法与差分进化算法都易出现早熟等问题,本文提出了一种随机差分变异粒子群混合优化算法.算法结合粒子群与差分算法的各自特点,首先采用差分变异方法产生试探性候选个体,再将其代入到粒子群速度更新公式,引导粒子飞行方向,从而扩大搜索空间,增强算法的全局勘探能力.为避免粒子陷入局部最优解,采用随机差分变异方式对当前最优粒子进行扰动,使算法在有效提高局部开采能力的同时,有效避免停滞现象的发生.算法分别在单峰及多峰等8个测试函数上与3个相关算法进行对比实验,实验结果表明新的混合算法优于其它对比算法,有效提高了算法的性能.

摘要： 优化配煤对Texaco水煤浆加压气化装置的优化运行具有重要的意义.针对Texaco水煤浆气化装置优化配煤问题,建立了一个管理决策级视角下的配煤优化模型.模型综合考虑了混煤指标、库存成本、市场价格、操作成本、堆存和转运消耗.采用预交叉差分进化粒子群优化算法对模型进行求解,算法将粒子群和差分进化相结合,避免算法早熟,提高了全局搜索能力和收敛精度.最后,以某化肥厂水煤浆配煤优化过程为研究实例进行仿真,计算结果验证了模型和算法的可行性.

摘要： 针对电力负荷经济分配问题的约束条件复杂且难以处理这一问题，本文在基本差分算法基础上，提出了一种改进差分算法来有效避免基本差分算法存在的早熟收敛及收敛速度慢的现象。仿真结果表明：改进的差分算法可有效的增加样本的多样性，防止陷入局部最优；并且可以加快算法的收敛速度。

摘要： 针对电力负荷经济分配问题的约束条件复杂且难以处理这一问题，本文在基本差分算法基础上，提出了一种改进差分算法来有效避免基本差分算法存在的早熟收敛及收敛速度慢的现象。仿真结果表明：改进的差分算法可有效的增加样本的多样性，防止陷入局部最优；并且可以加快算法的收敛速度。

摘要： 一种基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法，包括以下步骤：在差分进化算法框架下，采用Rosetta Score3粗粒度知识能量模型来降低构象空间维数；将进化种群依相似度划分为多个子种群，子种群之间协同进化，可以提高种群个体多样性；进化过程被划分为三个阶段，在不同的阶段采用不同的变异交叉策略，可以避免早熟收敛问题；结合差分进化算法较强的全局搜索能力，可以对构象空间进行有效的采样，搜索得到较高精度的近天然态构象。本发明基于差分进化算法，提出一种构象空间搜索维数较低、收敛速度较快、预测精度较高的基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法。

摘要： 本发明提供一种基于有限差分和差分进化算法的ICP‑AES谱线重叠干扰校正方法：以均方根误差为度量准则建立谱线重叠干扰校正评价函数。获取子峰谱线的峰值点后，获取重叠谱线中子峰谱线特征波长的最小取值区间。获取评价函数最优解为重叠谱线的最佳特征向量。依最佳特征向量解析干扰谱线和目标谱线。优点：利用有限差分法和差分进化算法求解评价函数的最优解，有效的避免了传统的谱线拟合法中假收敛现象。相比于传统的谱线拟合法中通过DFP算法求解评价函数最优解的方法，差分进化算法具有全局优化的特点，无需考虑各特征参数的迭代初值，只需要设定搜索范围即可；另一方面，由于差分进化算法是一种直接寻优算法，因此无需考虑评价函数的梯度等先验信息。

摘要： 本发明公开了协同进化的多目标差分进化方法，该方法在每一代迭代过程中维持两个种群：进化种群和竞争种群，初始化阶段，在待优化问题的决策空间中随机产生两个同等规模的进化种群和竞争种群；在逐代进化过程中对进化种群依次执行差分变异、差分交叉和差分选择操作，以生成子代种群；将子代种群和竞争种群合并获得临时中间种群，运用快速非支配排序方法对中间种群进行排序，选取前面较优的若干个体组成下一代进化种群；基于排序结果和拥挤距离策略更新外部档案集，并利子代种群更新竞争种群；上述过程反复执行，直至满足终止条件。本发明的方法有效解决了遗传算法易于早熟收敛和差分进化收敛速度慢的问题，显著改善了多目标进化算法的整体性能。

摘要： 一种基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法，包括以下步骤：在差分进化算法框架下，采用Rosetta Score3粗粒度知识能量模型来降低构象空间维数；将进化种群依相似度划分为多个子种群，子种群之间协同进化，可以提高种群个体多样性；进化过程被划分为三个阶段，在不同的阶段采用不同的变异交叉策略，可以避免早熟收敛问题；结合差分进化算法较强的全局搜索能力，可以对构象空间进行有效的采样，搜索得到较高精度的近天然态构象。本发明基于差分进化算法，提出一种构象空间搜索维数较低、收敛速度较快、预测精度较高的基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法。

摘要： 本发明涉及一种遗传算法与差分进化算法串行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群中的个体进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，对种群中不满足终止条件的全部个体进行遗传操作，产生子代种群1；S5，对子代种群1进行差分进化操作，产生子代种群2；S6，将子代种群2继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法容易过早收敛、差分进化算法计算效率较低的问题点，提高进化算法的优化效率和优化效果。

摘要： 本发明提供一种基于有限差分和差分进化算法的ICP‑AES谱线重叠干扰校正方法：以均方根误差为度量准则建立谱线重叠干扰校正评价函数。获取子峰谱线的峰值点后，获取重叠谱线中子峰谱线特征波长的最小取值区间。获取评价函数最优解为重叠谱线的最佳特征向量。依最佳特向量解析干扰谱线和目标谱线。优点：利用有限差分法和差分进化算法求解评价函数的最优解，有效的避免了传统的谱线拟合法中假收敛现象。相比于传统的谱线拟合法中通过DFP算法求解评价函数最优解的方法，差分进化算法具有全局优化的特点，无需考虑各特征参数的迭代初值，只需要设定搜索范围即可；另一方面，由于差分进化算法是一种直接寻优算法，因此无需考虑评价函数的梯度等先验信息。

摘要： 本发明涉及电力系统分析技术领域，尤其涉及基于组合变异差分进化算法的光伏模型参数提取方法，包括如下步骤：建立光伏系统的数学模型，找出光伏系统的数学模型需要提取的参数，根据光伏系统的数学模型构建优化参数的目标函数；然后通过组合变异策略的差分进化算法对光伏系统的数学模型的参数进行提取；最后输出各种光伏系统的数学模型的参数值。本发明能够快速和准确的提取到不同光伏模型的参数，从而提高了光伏模型的精度，最终提高光伏系统发电的效率。

摘要： 本发明提供了一种气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法，属于气浮运动系统辨识技术领域。解决了辨识所建立模型的参数和时间延迟的技术问题。其技术方案为：包括以下步骤：步骤1)建立气浮运动系统的单输入单输出模型；步骤2)构建气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的气浮运动系统混沌自适应差分进化麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对气浮运动系统时滞输入非线性闭环模型的建模和参数辨识。

摘要： 本发明公开了城市供水领域的差分进化算法‑自回归耦合算法城市需水量预测模型，包括以下步骤：S1：确定城市需水量预测模型；S2：对学习样本时间序列进行处理得到零均值；S3：计算学习样本时间序列的自相关系数rk；S4：确定模型参数的优化目标函数f；S5：生成模型参数集P，并将模型参数集P设置为目标向量；S6：采用差分进化算法对群体进行初始化；S7：对目标向量采用差分进化算法变异操作，生成变异向量；S8：对变异向量采用差分进化算法杂交操作，生成试验向量；10：使用最优模型参数的城市需水量预测模型进行预测，本发明达到达到提高模型预测精度的目的。

摘要： 本发明请求保护一种基于差分进化算法的光伏传感器优化布置方法，包括确定光照灯的平均照度水平和照度均匀度(Uo)的模型；以照明的能耗作为目标函数，以照度水平和均匀性作为约束条件进行优化设计；采用差分进化优化算法(DE)对该光传感器布局问题进行求解；基于差分进化算法求解出的平均调光水平和最佳照度值区域确定传感器的最佳数量和传感器的最佳位置。以最小化成本(即传感器和电能)、提高视觉舒适性和控制器性能(即降低复杂性)。该方法在计算量小和最优解(即光传感器的数目和位置)方面具有优越的性能。此外，该方法对于小型和大型建筑、新建建筑和改造工程中的有线和无线光传感器的实现具有较强的实用性。