差异演化算法的数值模拟研究

差异演化作为一种较新的演化算法，具有较强的寻优能力，但其优化性能受差异演化模式类型及演化控制参数取值的影响非常大。通过一组测试函数的数值模拟研究，给出了演化模式合理选取及演化参数（包括种群大小、交又概率及缩放因子）合适摹值的方法，解决了差异演化算法在应用时面临的一系列问题．此外，还基于演化能力较强的差异演化模式DE／rand／1／exp，提出了一种新的演化模式DE／rand2／1/exp，进一步提高了差异演化效率．     

基于空间收缩的种群灭亡差异演化算法

为避免演化算法在求解多峰函数优化问题时对冗余空间的过度搜索，提高差异演化算法的搜索效率，提出一种新的基于空间收缩的种群灭亡差异演化算法(DEESC)，通过最优个体收缩可行空间，用均匀设计方法反复初始化种群，并且讨论了DEESC的主要参数敏感问题。     

处理动态优化问题的演化元胞遗传算法

已有演化元胞遗传算法中的演化规则多从元胞自动机中直接引入，未在状态演化中考虑个体间适应值的差异。根据密度制约关系提出一种新的演化元胞遗传算法来处理动态优化问题，在考虑个体适应值优劣与局部种群密度的前提下，通过密度制约与种内竞争实现个体在元胞空间内的生死演化，并建立种群规模增长模型控制元胞空间内存活个体规模。选取不同强度、复杂度的动态优化问题对算法性能进行验证，结果表明新算法具有良好的处理动态优化问题的能力。     

一种基于模拟退火的参数自适应差分演化算法及其应用

提出了一种改进的自适应差分演化算法,该算法对差分演化算法中控制参数的生成方式进行了改进,在算法的运行过程中保留表现较好的控制参数,通过反馈机制调整下一代控制参数的生成,使算法能够在运行的过程中自适应的调节控制参数,并且算法在选择操作中融入了模拟退火的思想,以提高算法的全局搜索能力。在17个典型的Benchmarks函数上对算法进行了测试,并将该算法与jDE、JADE、SaDE、EPSDE和CoDE等5种改进的差分演化算法进行了比较,实验结果表明,该算法的性能整体上优于其他5种算法。另外,测试了模拟退火中初始温度参数对算法性能的影响,结果表明,当初始温度参数为1 000时,算法的性能较优。最后,将该算法应用于TSP这一组合优化问题,结果表明,该算法能够有效解决TSP问题。     

粒子动力学演化算法及其在求解SOP上的应用

根据粒子输运理论中粒子相空间能量最小原理和熵增法则提出一类粒子动力学演化算法，并在数据实验中用该算法求解了一些传统演化算法难于求解的单目标优化问题(SOP)，比如求解凸函数和多峰函数等最小优化问题。由于这种新的动力学演化算法能使几乎所有的个体参加杂交和变异，因此，与传统的演化算法相比，该方法不仅能较快速地求解线性和非线性优化问题，而且还能容易地求出达到最优解的多个坐标点。     

一种混合交叉策略的多目标演化算法及其性能分析

演化算法（EA）是求解多目标优化问题（MOP）重要而有效的方法，而应用演化策略、技巧是改善解性能的重要途径。作者叙述了多目标优化问题的有关概念，结合已有算法中的方法，设计了基于两种交叉操作相互结合的多目标演化算法（MOEADC），并且分析相关性能。该算法不仅具有较高的计算效率，而且具有较好的收敛性能，并且运用了有关方法维护了解集的分布性能。算例结果表明该算法的良好性能。     

基于改进小生境演化算法的多峰函数优化算法

传统演化算法在求解复杂多峰函数优化问题时经常会出现早熟、收敛速度慢等问题,特别是对于有多个最优解的函数,往往只能找到个别的最优解.针对这些问题,提出了一种基于膈离机制与排挤机制相结合的小生境演化算法.利用隔离机制增强引导进化能力,利用排挤机制保证种群的多样性,同时,采用反序交叉算子进一步加强局部寻优能力.实验表明,使用该改进小生境演化算法求解函数优化问题能更有效地克服传统演化算法存在的收敛速度慢和容易陷入局部最优解等缺点.     

求解卫星地面站调度问题的演化学习型蚁群算法

随着观测需求的日益增加,越来越多的卫星和地面站加入到对地观测系统中,迫切需要采用科学手段对卫星地面站资源进行合理分配。针对卫星地面站调度问题,构建了一种演化学习型蚁群算法。实验结果表明,该算法能有效求解卫星地面站调度问题。将蚁群优化模型和知识模型进行优势互补,可极大提高演化学习型蚁群算法的效率,为现有优化方法的改进提供了一种有益借鉴。     

差异演化算法在热连轧工作辊温度仿真中的应用

针对热连轧工作辊温度仿真计算,给出了忽略热载荷在时域内初始相位差的轴对称模型。通过对模型特点的分析,指出忽略热载荷在时域内初始相位差的轴对称模型实际是一种三维仿真模型,并根据此仿真模型建立了变步长计算温度场的有限差分方程。由氧化铁皮厚度的线性函数来近似表示工作辊与轧件等效换热系数,由喷射区水冷换热系数和喷射区之间的水冷系数计算得到工作辊与冷却液等效换热系数。针对差异演化算法后期收敛速度下降,甚至有时会陷入局部最优点的缺陷,提出根据种群聚集度来动态调整缩放因子,同时引入求解域内的均匀变异操作。并用改进后的差异演化算法对两种等效换热系数进行了优化。仿真结果与实测结果规律一致,证明忽略热载荷在时域内初始相位差的轴对称模型经差异演化算法优化参数后能准确预报工作辊的温度场。     

改进微粒群算法及其在生料浆调配多目标优化中的应用

微粒群算法是一种简单易行、收敛快速的演化计算方法，但也存在早熟收敛的缺陷。鉴于惯性权值对控制算法收敛所起的作用，本文提出一种改进的微粒群算法，让惯性权值按类S型曲线形式随迭代次数非线性变化，并根据微粒当前的搜索状态自适应调节该曲线的曲率，有效保证算法收敛速度和全局寻优能力。改进的微粒群算法用于求解氧化铝生料浆调配过程0-1组合优化问题，与传统微粒群算法及遗传算法比较的结果表明，改进的微粒群算法具有较强的全局搜索能力且能有效避免早熟收敛问题。     

基于改进差分进化算法的水文模型参数多目标优选研究

在差分进化算法的基础上, 受马尔可夫链蒙特卡罗方法的启发, 建立了differential evolution adaptive metropolis (DREAM)算法. DREAM 算法融合了马尔可夫链蒙特卡罗方法和差分进化算法的优势, 较好地解决了马尔可夫链蒙特卡罗方法中搜索步长的恰当取值以及搜索方向的准确定位问题, 并能有效解决差分进化算法的群体多样性和收敛速度问题. 在 DREAM 算法基础上, 引入多目标优化思想, 提出了一种基于改进适应度分配策略和外部存档方案的多目标 DREAM 算法, 并应用于岷江流域 CMD-3PAR 降雨-径流模型参数优选研究. 结果表明: 多目标DREAM算法能够找到一组范围宽广、分布均匀且数量充足的 Pareto 最优解供决策者评价优选.     

基于模糊专家系统与IDE算法的UCAV逃逸机动决策

针对现有研究中无人作战飞机(unmanned combat air vehicle, UCAV)近距逃逸机动的自适应性不足和战术性匮乏问题, 提出一种将模糊专家系统与双策略竞争的可选外部存档差分进化算法(external archiving differential evolution algorithm with dual strategy competition, DSC-JADE)相结合的逃逸机动决策算法。通过对战术知识的学习, 建立模糊专家系统, 将逃逸决策过程通过滚动时域划分为离散片段, 根据模糊专家系统决策得到机动动作, 在其控制量对应的可行域内, 采用改进差分进化算法(improved differential evolution, IDE)进行寻优得到最优控制量, 完成逃逸机动决策。在UCAV处于劣势的初始条件下进行仿真验证, 证明DSC-JADE算法相较原始差分进化以及其他传统群智能算法搜索能力更强，采用专家系统相较不采用专家系统逃逸决策能力更优。     

基于混沌差分进化算法的飞机等效系统拟配研究

提出了基于Tent映射的混沌差分进化算法。以某飞机纵向短周期系统为例,首次研究了基于混沌差分进化算法的飞机等效系统的拟配,克服了一些传统的拟配算法存在的一些缺点。仿真结果表明,基于混沌差分进化算法拟配得到的等效系统满足等效系统拟配的各项要求和一级飞行品质的要求,取得了更好的拟配效果。证明该算法在飞机等效系统拟配中的有效性和高效性。

Abstract：

Chaotic differential evolution algorithm based on Tent map was introduced. Taking aircraft longitudinal short period system as an example,the analog-matching of the aircraft longitudinal equivalent system based on chaotic differential evolution algorithm was studied firstly and overcome the disadvantages of the conventional algorithms in the analog-matching of equivalent system. The simulation results show that the equivalent system by chaotic differential evolution algorithm is satisfied the various requirements in the analog-matching of equivalent system and the requirement of level 1 flight qualities,and has obtained better analog-matching results. The usefulness and high effectiveness of the chaotic differential evolution algorithm in the analog-matching of aircraft equivalent system is proved.     

双系统合作式协同进化算法求解不可分解函数

针对不可分解函数求解问题,基于合作式协同进化(cooperative co-evolutionary,CC)框架,发展一种双系统协同进化算法。该算法给出一种双系统A,B的 CC框架新结构形式及其相应的协调机制,以增加算法的多样性和收敛性;给出双系统A,B各自求解的两种算法,例如差异进化、改进粒子群算法选择原则和匹配方式,使该两种算法具互补性,并且与双系统A,B各自角色相匹配,目的是提高基于CC框架双系统算法的计算性能。经不可分解函数集(维数D=1 000)测试表明,本文算法计算性能(计算精度和标准差)与其他3种典型算法相比,对于其中某些函数求解占优,总体上4种算法对函数集的求解各有所长,具有互补性。     

中心变异差分进化算法

针对高维复杂优化问题,提出了基于中心变异和自适应交叉概率的差分进化算法--中心变异差分进化（center mutation based differential evolution, CMDE）算法。该算法首先改进了个体的变异形式,即把当前代的群体中心作为基向量,依据参加变异的三个随机个体向量间的函数适应值的大小关系,确定差向量的方向;然后给出了自适应交叉概率策略,即依据交叉的作用,通过分析个体向量间的函数适应值在群体内部的分布情况,确定每个个体的交叉概率。通过几个Benchmark函数的测试表明,CMDE算法具有较快的收敛速度,且对于高维复杂问题的求解精度高,寻优性能好。     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

Scenario-based stochastic resource allocation with uncertain probability parameters

The stochastic resource allocation (SRA) problem is an extensive class of combinatorial optimization problems widely existing in complex systems such as communication networks and unmanned systems. In SRA, the ability of a resource to complete a task is described by certain probability, and the objective is to maximize the reward by appropriately assigning available resources to different tasks. This paper is aimed at an important branch of SRA, that is, stochastic SRA (SSRA) for which the probability for resources to complete tasks is also uncertain. Firstly, a general SSRA model with multiple independent uncertain parameters (GSSRA-MIUP) is built to formulate the problem. Then, a scenario-based reformulation which can address multi-source uncertainties is proposed to facilitate the problem-solving process. Secondly, in view of the superiority of the differential evolution algorithm in real-valued optimization, a discrete version of this algorithm was originally proposed and further combined with a specialized local search to create an efficient hybrid optimizer. The hybrid algorithm is compared with the discrete differential evolution algorithm, a pure random sampling method, as well as a restart local search method. Experimental results show that the proposed hybrid optimizer has obvious advantages in solving GSSRA-MIUP problems.     

混合人工蜂群算法

针对人工蜂群算法收敛速度慢、容易出现“早熟”的缺点,提出了一种混合的人工蜂群算法 (hybrid artificial bee colony, HABC)。在人工蜂群算法的迭代中引入淘汰规则和新的搜索策略,以提高算法的收敛速度;同时,为了维护群体的多样性,对种群中的个体采用差分进化。通过对一个调频(frequency modulated, FM)合成器参数优化问题测试,表明该算法能够有效地克服“早熟”现象,提高了全局寻优的能力。将其应用于线性系统逼近问题,仿真实验表明该算法是快速有效的。     

利用嵌套微分进化算法选择微下击暴流模型参数

微下击暴流场的建模在飞行仿真中具有重要意义。将多涡环微下击暴流模型参数选择看作一个优化问题,引入微分进化算法来解决该问题。在按照水平垂直风速最大峰值比进行参数选择中,同时包含了互相关联的两种寻优过程。对标准微分进化算法进行改进,提出利用嵌套的微分进化算法同时完成目标寻优和中间寻优两个过程。仿真试验表明,本文方法可灵活地生成任意水平垂直风速最大峰值比值的微下击暴流场,并且能够满足用户设定的误差范围要求。