导读:本文包含了自适应变异差分进化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:优化算法,差分进化算法,自适应
自适应变异差分进化算法论文文献综述
刘勇,于颖锐,李满仓,张斌,王冬勇[1]（2019）在《基于自适应变异方法的差分进化算法》一文中研究指出在工程实际应用中,常需对高维复杂的优化问题进行求解。差分进化算法是目前智能优化算法中性能最优的算法之一,可在很多工程问题中得到应用。传统的差分进化算法存在收敛速度慢、易陷入局部最优解等问题。本文对差分进化算法的变异方法进行研究,提出一种根据种群进化代数自适应的变异方法。数值结果显示,本文提出的自适应变异方法可有效避免种群早熟和局部最优解的问题。(本文来源于《科技创新导报》期刊2019年21期）
董明刚,刘宝,敬超[2]（2019）在《模糊自适应排序变异多目标差分进化算法》一文中研究指出为提高多目标差分进化算法在求解问题时的收敛性和多样性,提出了一种模糊自适应排序变异多目标差分进化算法。首先,采用模糊系统自适应调节排序变异参数,均衡了算法的局部搜索能力和全局探索能力,在加快算法收敛速度的同时,减小了陷入局部最优的可能性;其次,采用均匀种群初始化方法,在算法开始阶段获得了一个分布均匀的初始种群,提高了算法的稳定性和多样性;最后,增加一个临时的种群以存储被丢弃的个体,用于每一代优化后的最终选择,提高了种群进化过程中的多样性。采用7个标准测试函数和3个具有偏好特征的测试函数进行仿真实验,并将所提算法与其他4种多目标进化算法进行对比。实验结果表明,所提算法在收敛性和多样性方面整体上优于其他几种对比算法,可以有效地逼近真实Pareto前沿。同时,实验也验证了所提算法中模糊自适应排序变异策略的有效性。(本文来源于《计算机科学》期刊2019年07期）
刘红红,史健芳[3]（2018）在《变异率自适应的差分进化粒子滤波算法研究》一文中研究指出利用差分进化思想解决粒子滤波算法中存在的粒子退化具有一定的可行性,针对差分进化变异率固定,导致经过若干次迭代之后,后代样本间差异性变小,样本多样性减少,引入变异率自适应的差分进化算法,自适应变异过程中大权值粒子变化不大而小权值粒子变化较大,小权值粒子通过变异寻得较优状态,优化了粒子采样集合,使粒子集合向接近后验概率密度分布的取值运动,缓解了粒子滤波算法中的粒子退化缺陷。仿真结果表明,变异率自适应的差分进化粒子滤波算法较差分进化改进的粒子滤波,因此能够以较少的粒子数达到较高的准确度,由此算法运行时间较短,具有较好的实时性。(本文来源于《电子测量与仪器学报》期刊2018年06期）
张强,邹德旋,耿娜,沈鑫[4]（2018）在《基于多变异策略的自适应差分进化算法》一文中研究指出为了克服差分进化算法寻优精度低、收敛速度慢、稳定性差等不足,提出一种基于多变异策略的自适应差分进化算法(ADE-MM)。首先,在3个变异策略的选择过程中添加2个具有学习功能的扰动阈值,以提高种群多样性,扩大搜索范围;然后,根据上次迭代的成功参数自适应调整当前参数,提高寻优精度和寻优速度;最后,利用向量粒子池法和中心粒子法产生新的向量粒子,进一步提高寻优效果。使用8个函数、5种对比算法(RMDE、OLCPDE、JADE、Sa DE、MDE_pBX)进行测试,且每种例子都独立执行30次。ADE-MM算法在均值和方差的比较中取得了全胜,其中在30维的情况下取得了5个独立胜利,3个并列胜利;在50维的情况下取得了6个独立胜利,2个并列胜利;在100维的情况下全部为独立胜利。同时在Wilcoxon rank sum test、胜率和算法耗时分析中,ADE-MM算法也取得优异的表现。实验结果表明,相对于其他5种对比算法,ADE-MM算法具有更强的全局寻优能力、收敛性和稳定性。(本文来源于《计算机应用》期刊2018年10期）
廖雄鹰,李俊,罗阳坤,李波[5]（2018）在《基于自适应变异算子的差分进化算法》一文中研究指出针对差分演化算法易于早熟、收敛速度慢和收敛精度低等问题,提出一种基于自适应变异算子的差分进化算法。给出个体向量粒子及维度层定义,并提出了基于维度层加权的异维维度选择策略,首次将加权异维学习策略引入差分演化算法中,有效地提高了种群的多样性;根据种群聚集度的思想,提出一种基于种群聚集度自适应的变异算子,该算子能依据种群个体当前的种群聚集度自适应地调整DE/best/1变异算子和加权异维学习变异算子的变异权重,加快算法收敛速度、提高其收敛精度。通过在20个典型的测试函数上进行测试,与7种具有代表性的算法相比,结果表明提出的算法在求解精度和收敛速度上具有很大优势,并显示出了非常好的鲁棒性。(本文来源于《计算机工程与应用》期刊2018年06期）
李浩君,刘中锋,冉金亭[6]（2018）在《采用概率判定法的分组变异自适应差分进化算法》一文中研究指出为了平衡差分进化算法(DE)的全局探索和局部开发过程,提高算法避免陷入局部最优的能力,文中提出采用概率判定法的分组变异自适应差分进化算法(GVADE).GVADE采用概率判定法判定个体进化状态为较好、较差或一般,并根据个体进化状态为个体选择合适的变异算子和控制参数组.同时,为了满足进化状态较差个体变异的需要,设计具有较强全局探索能力的变异算子.在CEC2005标准测试集合上的实验表明,GVADE优于现有的其它DE算法,可以更好地平衡全局探索和局部开发,具有更高的收敛精度.(本文来源于《模式识别与人工智能》期刊2018年02期）
钱武文,柴军瑞,张子映,谈然[7]（2018）在《基于反射变异策略的自适应差分进化算法》一文中研究指出针对差分进化算法易于陷入早熟收敛和局部搜索较慢的问题,提出了一种类似Nelder-Mead方法中的反射操作的变异策略,称为反射变异策略。不同于其他基本的差分策略,提出的变异策略具有明确的差分方向,具有更快的局部收敛速度。为了避免因差分方向的贪婪性而导致算法早熟的可能性增加,反射变异策略使用4个随机的个体完成一次变异操作。将基于反射变异策略的子代生成策略和自适应参数方法组合形成了基于反射变异策略的自适应差分进化算法(RMADE)。使用12个函数测试了RMADE的性能并与其他算法进行比较,结果表明RMADE具有较快的收敛速度和较好的全局探测能力,进而体现了反射变异策略的价值。(本文来源于《计算机工程与应用》期刊2018年15期）
吴亮红,徐睿,左词立,曾照福,段伟涛[8]（2016）在《求解一类双层规划的自适应变异动态差分进化算法》一文中研究指出针对一类上层函数和约束函数不具有凸性和可微性要求,而下层函数可微且凸的非线性双层规划问题,首先通过Karush-Kuhn-Tucher(KKT)条件将双层规划问题转换为单层约束非线性规划问题,并结合非固定多段映射罚函数法和精确罚函数法对约束条件进行无约束化处理,然后提出一种改进的动态差分进化算法优化对系列无约束优化问题进行求解。对8个测试实例进行数值计算并与现有算法进行比较。测试结果表明,所提方法是一种求解该类双层规划问题的有效方法。(本文来源于《中南大学学报(自然科学版)》期刊2016年10期）
郭义波,程际云,李芹,杨平[9]（2016）在《随机选择变异及自适应差分进化算法的研究》一文中研究指出为兼顾搜索速度和精度,提高搜索效率,克服不易跳出局部最优的缺点,提出了随机选择变异策略、自适应调整变异率和自适应调整交叉率3种改进设想.利用3种改进设想改进DE算法,得到了7种改进算法,将7种改进算法应用到双容水箱液位模型闭环辨识案例中.结果表明,7种改进算法都提高了跳出局部最优的能力,综合比较可知,3种改进设想同时应用的改进算法性能最优.(本文来源于《上海电力学院学报》期刊2016年02期）
孔祥勇,高立群,欧阳海滨,邵煜博[10]（2014）在《双向随机多策略变异的自适应差分进化算法》一文中研究指出针对差分进化算法中局部搜索和全局搜索之间的均衡难题,设计了一个基于符号函数的多策略变异算子,进而提出一种改进的自适应差分进化算法。新算法为提高跳出局部最优和搜索到全局最优解的可能性,用正负随机数代替了原有的变异率F,实现了两个方向上的随机搜索。同时为进一步简化参数选择过程,提高算法的寻优性能和通用性,新算法还设计了交叉率CR的两区间选择策略,在进化过程中通过学习以往的成功经验,实现自适应调整。对比实验结果表明,该算法具有更快的精确寻优和跳出局部最优的能力。(本文来源于《计算机集成制造系统》期刊2014年08期）
自适应变异差分进化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高多目标差分进化算法在求解问题时的收敛性和多样性,提出了一种模糊自适应排序变异多目标差分进化算法。首先,采用模糊系统自适应调节排序变异参数,均衡了算法的局部搜索能力和全局探索能力,在加快算法收敛速度的同时,减小了陷入局部最优的可能性;其次,采用均匀种群初始化方法,在算法开始阶段获得了一个分布均匀的初始种群,提高了算法的稳定性和多样性;最后,增加一个临时的种群以存储被丢弃的个体,用于每一代优化后的最终选择,提高了种群进化过程中的多样性。采用7个标准测试函数和3个具有偏好特征的测试函数进行仿真实验,并将所提算法与其他4种多目标进化算法进行对比。实验结果表明,所提算法在收敛性和多样性方面整体上优于其他几种对比算法,可以有效地逼近真实Pareto前沿。同时,实验也验证了所提算法中模糊自适应排序变异策略的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应变异差分进化算法论文参考文献
[1].刘勇,于颖锐,李满仓,张斌,王冬勇.基于自适应变异方法的差分进化算法[J].科技创新导报.2019
[2].董明刚,刘宝,敬超.模糊自适应排序变异多目标差分进化算法[J].计算机科学.2019
[3].刘红红,史健芳.变异率自适应的差分进化粒子滤波算法研究[J].电子测量与仪器学报.2018
[4].张强,邹德旋,耿娜,沈鑫.基于多变异策略的自适应差分进化算法[J].计算机应用.2018
[5].廖雄鹰,李俊,罗阳坤,李波.基于自适应变异算子的差分进化算法[J].计算机工程与应用.2018
[6].李浩君,刘中锋,冉金亭.采用概率判定法的分组变异自适应差分进化算法[J].模式识别与人工智能.2018
[7].钱武文,柴军瑞,张子映,谈然.基于反射变异策略的自适应差分进化算法[J].计算机工程与应用.2018
[8].吴亮红,徐睿,左词立,曾照福,段伟涛.求解一类双层规划的自适应变异动态差分进化算法[J].中南大学学报(自然科学版).2016
[9].郭义波,程际云,李芹,杨平.随机选择变异及自适应差分进化算法的研究[J].上海电力学院学报.2016
[10].孔祥勇,高立群,欧阳海滨,邵煜博.双向随机多策略变异的自适应差分进化算法[J].计算机集成制造系统.2014