基于差分進化的優(yōu)化方法及應(yīng)用

目 錄
第 1章 緒論 001
1．1 最優(yōu)化問題的研究意義 001
1．2 差分進化算法介紹 003
1．3 差分進化算法研究現(xiàn)狀 007
參考文獻 011
第 2章 改進的組合差分進化算法 015
2．1 引言 015
2．2 組合差分進化算法及其改進 016
2．2．1 組合差分進化算法 016
2．2．2 改進的算法 017
2．3 測試函數(shù)尋優(yōu) 021
2．3．1 測試函數(shù) 021
2．3．2 實驗比較 024
2．4 MCoDE在ANFIS模型優(yōu)化中的應(yīng)用 026
2．4．1 ANFIS 026
2．4．2 ANFIS的優(yōu)化模型 028
2．4．3 LOO-CV 028
2．4．4 “自上而下”的規(guī)則化簡方法 029
2．4．5 基于MCoDE和LOO-CV的ANFIS表面粗糙度的預(yù)測過程 030
2．4．6 實驗結(jié)果與討論 030
2．5 小結(jié) 037
參考文獻 038
第3章 改進的多種群集成差分進化算法 039
3．1 引言 039
3．2 相關(guān)工作 040
3．3 改進的多種群集成差分進化算法研究| 042
3．3．1 概述 042
3．3．2 改進的基于多種群的變異策略集成方法 045
3．3．3 改進的參數(shù)適應(yīng)方法 046
3．3．4 復(fù)雜度分析 047
3．4 實驗結(jié)果與分析 048
3．4．1 實驗參數(shù)設(shè)置 048
3．4．2 測試函數(shù)集 049
3．4．3 在30維IEEE CEC2005系列上的結(jié)果比較分析 051
3．4．4 在10維和50維IEEE CEC2017系列測試函數(shù)上的結(jié)果比較分析 061
3．5 討論 072
3．6 應(yīng)用IMPEDE解決Hydrothermal調(diào)度問題 074
3．7 小結(jié) 076
參考文獻 077
第4章 面向約束優(yōu)化的自適應(yīng)差分進化算法 081
4．1 引言 081
4．2 進化約束處理方法 082
4．2．1 進化計算約束處理方法概述 082
4．2．2 Oracle罰函數(shù)方法 083
4．3 自適應(yīng)約束差分進化算法 084
4．3．1 改進的Oracle罰函數(shù)方法 084
4．3．2 通用的離散變量處理方法 085
4．3．3 MOCoDE算法 086
4．4 實驗的結(jié)果和討論 087
4．4．1 測試函數(shù)集 088
4．4．2 工程約束優(yōu)化問題 090
4．5 小結(jié) 100
參考文獻 101
第5章 基于替換和重置機制的多策略變異約束差分進化算法 103
5．1 引言 103
5．2 相關(guān)工作 104
5．2．1 約束問題 104
5．2．2 可行性規(guī)則 105
5．3 改進的算法 105
5．3．1 多策略變異操作 105
5．3．2 替換機制和重置機制 107
5．3．3 MCoDE算法 107
5．3．4 復(fù)雜度分析 108
5．4 仿真實驗及結(jié)果分析 109
5．4．1 測試函數(shù)和實驗測試參數(shù) 109
5．4．2 實驗結(jié)果分析 109
5．5 小結(jié) 117
參考文獻 117
第6章 基于分解和多策略變異的多目標差分進化算法 119
6．1 引言 119
6．2 相關(guān)背景 121
6．2．1 多目標問題 121
6．2．2 基于Tchebycheff多目標分解方法 121
6．3 改進的多目標差分進化算法 122
6．3．1 多目標分解方法 122
6．3．2 高效非支配排序 123
6．3．3 多策略變異操作 124
6．3．4 MODE-DMSM算法 125
6．3．5 時間復(fù)雜度分析 127
6．4 仿真實驗及結(jié)果分析 127
6．4．1 測試函數(shù)及評價標準 127
6．4．2　實驗參數(shù)設(shè)置 128
6．4．3 實驗結(jié)果分析 128
6．5 小結(jié) 133
參考文獻 133
第7章 基于多策略排序變異的多目標差分進化算法 137
7．1 自適應(yīng)的多策略DE算子 137
7．2 基于多策略排序變異的DE算子 138
7．3 基于擁擠熵的擁擠距離計算策略 140
7．4 MODE-MSRM算法 143
7．4．1 MODE-MSRM算法實現(xiàn)流程 143
7．4．2 算法的收斂性證明 144
7．4．3 算法時間復(fù)雜度分析 144
7．5 實驗仿真與分析 145
7．5．1 測試函數(shù)及參數(shù)設(shè)置 145
7．5．2 實驗結(jié)果與分析 147
7．6 小結(jié) 150
參考文獻 151
第8章 基于外部歸檔和球面修剪機制的多目標差分進化算法 153
8．1 外部歸檔 153
8．2 球面修剪機制的基本思想和流程 154
8．2．1 概念及定義 155
8．2．2 球面修剪機制的步驟 156
8．3 控制參數(shù)自適應(yīng) 157
8．4 算法的流程與分析 159
8．4．1 算法的具體流程 159
8．4．2 MODE-ASP的時間復(fù)雜度分析 159
8．4．3 算法的特點 160
8．5 數(shù)值實驗仿真與結(jié)果分析 160
8．5．1 測試函數(shù)及參數(shù)設(shè)置 160
8．5．2 結(jié)果比較分析 161
8．6 小結(jié) 162
參考文獻 163
第9章 基于全局物理規(guī)劃的偏好多目標差分進化算法 165
9．1 偏好的相關(guān)知識 165
9．1．1 偏好的含義 165
9．1．2 偏好的類型 166
9．2 全局物理規(guī)劃 166
9．2．1 物理規(guī)劃的思路 166
9．2．2 基于物理規(guī)劃的多目標優(yōu)化 168
9．2．3 全局物理規(guī)劃機制 168
9．2．4 全局物理規(guī)劃的綜合偏好函數(shù) 171
9．3 基于GPP的DE選擇策略和球面修剪機制 171
9．3．1 基于全局物理規(guī)劃的DE選擇策略 171
9．3．2 基于全局物理規(guī)劃的球面修剪策略 172
9．4 Pareto前沿的大小動態(tài)控制策略 173
9．5 算法流程 173
9．6 實驗結(jié)果分析 174
9．7 小結(jié) 178
參考文獻 178
第 10章 改進的排序變異多目標差分進化算法 181
10．1 引言 181
10．2 相關(guān)知識 182
10．2．1 多目標優(yōu)化問題 182
10．2．2 MODE-RMO 183
10．3 改進的多目標差分進化算法 184
10．3．1 最優(yōu)基向量排序變異策略 184
10．3．2 反向參數(shù)控制方法 185
10．3．3 改進的擁擠距離計算式 187
10．3．4 MODE-IRM總框架 188
10．3．5 算法復(fù)雜度分析 189
10．4 實驗分析 190
10．4．1 實驗設(shè)計 190
10．4．2 算法性能度量指標 190
10．4．3 實驗結(jié)果與分析 191
10．5 小結(jié) 193
參考文獻 194
第 11章 基于排列的離散差分進化算法 197
11．1 引言 197
11．2 改進的離散差分進化算法 198
11．2．1 PDE 198
11．2．2 局部搜索方法 201
11．2．3 PDE和 HPDE算法的實現(xiàn) 203
11．3 零等待批處理調(diào)度優(yōu)化 204
11．3．1 零等待流水調(diào)度問題 205
11．3．2 排列到ZW調(diào)度方案的轉(zhuǎn)換 206
11．3．3 ZWSP的ATSP模型描述 208
11．3．4 零等待調(diào)度問題中的應(yīng)用 211
11．3．5 計算研究 212
11．3．6 結(jié)果和討論 213
11．4 小結(jié) 217
參考文獻 217
第 12章 基于禁忌列表的離散差分進化算法 219
12．1 引言 219
12．2 改進的混合算法 220
12．2．1 PDE算法及其不足 220
12．2．2 TS 220
12．2．3 基于Ulam距離的禁忌列表方法 221
12．2．4 改進的排列差分進化算法 222
12．3 無等待流水線調(diào)度優(yōu)化 226
12．3．1 無等待流水線調(diào)度問題 226
12．3．2 實驗 227
12．3．3 結(jié)果和討論 228
12．4 小結(jié) 236
參考文獻 236