差分進化算法（DE）是一種群智能優(yōu)化算法,因其搜索能力強、簡單等優(yōu)點一直是智能算法領(lǐng)域的研究熱點.然而該算法也有對控制參數(shù)和變異策略非常敏感、局部搜索能力不足等缺點,針對這些缺點出現(xiàn)了很多DE改進算法,但很少有研究者能從收斂性的角度對DE算法進行改進.所以,本文以該算法的相關(guān)收斂性理論結(jié)果為基礎(chǔ),對構(gòu)造能夠依概率收斂的DE改進算法進行了探討,所做的工作主要有如下三點:1.對于最小優(yōu)化問題min{f（x^?）,x^?∈ψ},為了研究DE算法是否依概率收斂到函數(shù)的ε-全局最優(yōu)集,首先在理論上嚴謹給出離散空間上DE算法步驟.其次,用嚴格的數(shù)學語言證明了由該算法產(chǎn)生的種群序列是有限時齊馬爾科夫（Markov）鏈,在證明過程中,本文首次明確了算法各步驟間的條件概率關(guān)系以及種群狀態(tài)的一步轉(zhuǎn)移概率.最后,證明了DE算法無法保證種群序列依概率收斂到函數(shù)的ε-全局最優(yōu)集.2.根據(jù)常用來幫助DE算法收斂的均勻抽樣策略和高斯抽樣策略存在的不足,提出一個新穎的能輔助算法收斂的多樣變異搜索策略.實驗表明該方法使DE算法在低維復雜優(yōu)化問題中具有很高的優(yōu)化性能,但在高維問題中... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

各算法在6個測試函數(shù)上的收斂曲線圖

【參考文獻】：
期刊論文
[1]利用動態(tài)降維差分進化算法解決多約束的投資組合優(yōu)化問題[J]. 王佳彬,沈潔,陳偉能,張軍.  小型微型計算機系統(tǒng). 2016(07)
[2]基于最優(yōu)高斯隨機游走和個體篩選策略的差分進化算法[J]. 李牧東,趙輝,翁興偉,韓統(tǒng).  控制與決策. 2016(08)
[3]基于三角的骨架差分進化算法[J]. 彭虎,吳志健,周新宇,鄧長壽.  計算機研究與發(fā)展. 2015(12)
[4]基于差分進化算法的收斂性分析[J]. 寧桂英,周永權(quán).  南通大學學報(自然科學版). 2014(03)
[5]改進優(yōu)秀基因位差分進化云數(shù)據(jù)安全訪問算法[J]. 莊煥.  科技通報. 2014(08)
[6]差分進化算法研究進展[J]. 汪慎文,丁立新,張文生,郭肇祿,謝承旺.  武漢大學學報(理學版). 2014(04)
[7]一種新的群體智能算法——狼群算法[J]. 吳虎勝,張鳳鳴,吳廬山.  系統(tǒng)工程與電子技術(shù). 2013(11)
[8]隨機變異差分進化算法[J]. 歐陽海濱,高立群,孔祥勇.  東北大學學報(自然科學版). 2013(03)
[9]高斯變異差分進化算法及其應用研究[J]. 盧青波,張學良,溫淑花,蘭國生,劉麗琴.  工程設(shè)計學報. 2012(05)
[10]基于單純形算子的混合差分進化算法[J]. 劉潔,吳亮紅,劉建勛.  計算機工程. 2009(13)

博士論文
[1]依概率收斂差分演化算法的理論與算法設(shè)計[D]. 胡中波.武漢理工大學 2014
[2]多階段自適應差分進化算法及應用研究[D]. 劉榮輝.東華大學 2012
[3]差分進化算法及其在電力系統(tǒng)調(diào)度優(yōu)化中的應用研究[D]. 孫成富.華中科技大學 2010

碩士論文
[1]基于探索—開發(fā)權(quán)衡的差分進化算法改進[D]. 李東.北京理工大學 2015



本文編號：2973698