1 / 84
文档名称:

差异演化算法及其在机械优化设计中的应用.pdf

格式:pdf   页数:84
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

差异演化算法及其在机械优化设计中的应用.pdf

上传人:翩仙妙玉 2012/7/15 文件大小:0 KB

下载得到文件列表

差异演化算法及其在机械优化设计中的应用.pdf

文档介绍

文档介绍:太原科技大学
硕士学位论文
差异演化算法及其在机械优化设计中的应用
姓名:卢青波
申请学位级别:硕士
专业:机械制造及其自动化
指导教师:张学良
20080701
差异演化算法及其在机械优化设计中的应用中文摘要首先,本文认为差异演化算法在演化过程中没有较好地体现群体合作演化的思想,并鉴于此,引入了群体中心点的概念,分别提出了群体中心点参与最优点竞争演化算法是一类模拟生物自然选择与自然进化的随机搜索算法。该类算法不需要所求函数的其它辅助信息,且能够达到很高的精度要求,尤其适用于求解复杂的非线性优化问题。差异演化算法珼是一种基于种群差异的演化算法,是由蚄晏岢觯哂胁⑿锌焖偎阉鞯特点,并且易编程实现,随后在各领域得到了广泛的应用。鉴于差异演化算法存在的易早熟等问题及其在多目标优化中的应用潜能,本文主要开展了以下两个方面的研究工作。的修正的差异演化算法、群体中心点参与变异过程的中心差异演化算法和群体中心点既参与竞争又参与变异过程的修正的中心差异演化算法,并通过对算法参数的研究,引入了自适应交叉率的概念。其次,鉴于多目标优化问题的广泛性和差异演化算法所具有的求解多目标优化的潜能,本文在所提出的中心差异演化算法的基础上,提出了一种基于动态解集的多目标差异演化算法。通过采用一个“外部档案’’来存储当前所得到的最优解,在档案文件达到预设值后,对档案文件中的解按照.Ⅱ拥挤操作方法进行比较、淘汰,最终得到一个完整的最优解集;对于有约束条件的多目标优化问题,采用演化算法常用的直接求解法进行求解。典型测试函数的仿真和工程优化设计实例的求解结果都表明本文提出的算法是行之有效的。关键词:差异演化算法;群体中心点;多目标优化;最优解;外部归档中文摘要
::瑃,..,.甀.,.——————————————’—————●————————!!!!!!!!!!!!!!!!!!!!!!!!!猒!!!猒————一····一.
.猳籈甀:甌瓵.,甌籆;;
学位论文作者┱:步瘸租承诺书本人郑重声明:所呈交的学位论文,是在导师指导下独立完成的,学位论文的知识产权属于太原科技大学。如果今后以其他单位名义发表与在读期间学位论文相关的内容,将承担法律责任。除文中已经注明引用的文献资料外,本学位论文不包括任何其他个人或集体已经发表或撰写过的成果。年易月,日
第一章绪论差异演化算法的国内外研究现状及分析在演化算法家族中,相对发展较早的有进化规戈逻辑计算的束缚,大胆探索新的非经典计算途径。在这种背景下,社会性动物缫群、蜂群、鸟群等淖宰橹形R鹆巳嗣堑墓惴汗刈ⅲ矶嘌д叨哉庵中形=数学建模并用计算机对其仿真,这就产生了所谓的“群智能”或者间接通信ü谋渚植炕肪的主体庾橹魈逋ü献鹘蟹植际降奈能算法作为一种新兴的演化计算技术已成为越来越多研究者的关注焦点。目前,群在科学和工程领域中,经常会遇到连续空间中的数值优化问题,它们的目标函数通常是非线性甚至是不可微的,这时传统的优化方法便很难获得成功。世纪年代中期创立了仿生学,自然界的生物体通过自然选择和自然遗传机制就能自组织、自适应地使问题得到完满的解决,这种能力启发人们通过模拟自然演化过程来解决某些复杂问题。演化计算正是在这种指导思想下发展起来的计算机科学领域内的一个崭新分支。近年的研究表明,模拟自然进化的搜索过程可产生非常鲁棒的计算方法,即使这些模型只是自然界生物体演化过程的粗糙简化。【、遗传算法龋嵌际腔谡庵炙枷攵⒄蛊鹄吹奈侍馇蠼夥法。这些算法在赋予演化算法自组织、自适应、自学习等特征的同时,不受搜索空间限制性条件缡欠窨晌ⅰ⑹欠窳的约束,也不需要其他辅助信息缣荻,不仅能获得较高的效率,而且具有易于操作和通用的特点。近些年来,随着人们对生命本质的不断了解,使人工智能的研究开始摆脱经典虺莆!叭杭悄堋薄H褐悄苤械娜禾逯傅氖恰耙蛔橄嗷ブ淇梢越兄苯油ㄐ题求解褐悄茉蚴侵浮拔拗悄艿闹魈逋ü献鞅硐殖鲋悄苄形5奶匦浴薄H褐智能演化算法研究的主要算法有:粒子群算法,、蚁群算法、差异演化算法珼等。粒子群算法起源于对简单社会系统的模拟,最初是模拟鸟群觅食的过程,但后来发现它是一种很好的优化工具;蚁群算法是对蚂蚁群落食物采集过程的模拟,已经成功应用于许多离散优化问题;而差异演化珼是一种基于群体差异的演化算法。差异演化珼是一种基于群体差异的演化算法,该算法是蚄在年为求解切比雪夫多项式而提出的。差异演化,
算法在当年首届演化计算大赛中表现超群,随后在各个领域得到了广泛的应个体与父代个体竞争来获得新一代种群。差异演化算法最新颖的特征是它的变异操作,当选定一个个体后,算法通过在该个体上加上两个个体带权的差来完成变异。在算法迭代的初期,因为种群中个体的差异较大,从而这样的变异操作会使算法本身具有较强的全局搜索能力,而到迭的局部搜索能