資源描述：
《基于擬仿射變換的協(xié)同進(jìn)化算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、博士學(xué)位論文基于擬仿射變換的協(xié)同進(jìn)化算法研究RESEARCHONQUASI-AFFINETRANSFORMATIONEVOLUTIONARY(QUATRE)ALGORITHMWITHCOOPERATIVESTRUCTURE孟振宇哈爾濱工業(yè)大學(xué)2018年6月國內(nèi)圖書分類號：TP391.9學(xué)校代碼：10213國際圖書分類號：004.8密級：公開工學(xué)博士學(xué)位論文基于擬仿射變換的協(xié)同進(jìn)化算法研究博士研究生：孟振宇導(dǎo)師：潘正祥教授申請學(xué)位：工學(xué)博士學(xué)科：計算機(jī)應(yīng)用技術(shù)所在單位：深圳研究生院答辯日期：2018年6月授予
2、學(xué)位單位：哈爾濱工業(yè)大學(xué)Classi?edIndex:TP391.9U.D.C.:004.8DissertationfortheDoctoralDegreeinEngineeringRESEARCHONQUASI-AFFINETRANSFORMATIONEVOLUTIONARY(QUATRE)ALGORITHMWITHCOOPERATIVESTRUCTURECandidate:MengZhenyuSupervisor:Prof.PanJeng-ShyangAcademicDegreeAppliedfor:D
3、octorofEngineeringSpecialty:ComputerApplicationTechnologyAf?liation:ShenzhenGraduateSchoolDateofDefence:June,2018Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要隨著社會的發(fā)展，優(yōu)化的需求越來越多地出現(xiàn)在各行各業(yè)之中，由此，解決這些需求的優(yōu)化算法發(fā)揮著越來越重要的作用。一般而言，優(yōu)化問題的求解以設(shè)計對應(yīng)模型的目標(biāo)函數(shù)開始。對
4、于此目標(biāo)函數(shù)，如果其具體公式已知且是可微分的或者是二階可微分的，則可分別通過類牛頓的方法或者牛頓的方法來求解；如果其具體公式已知卻不可微分或者目標(biāo)函數(shù)是黑盒函數(shù)時，牛頓類的方法失效，此時進(jìn)化計算的優(yōu)化算法給出了這類問題的求解。本文從進(jìn)化計算領(lǐng)域的優(yōu)化算法入手，深入分析了該領(lǐng)域內(nèi)兩種著名的分支——粒子集群優(yōu)化算法和差分進(jìn)化算法的研究現(xiàn)狀及仍然存在的問題，提出了擬仿射變換的協(xié)同進(jìn)化架構(gòu)來克服上述兩分支在進(jìn)化方式中的缺陷，并對擬仿射變換的協(xié)同進(jìn)化架構(gòu)的提出過程及該架構(gòu)下算法可能的發(fā)展方向進(jìn)行了深入探討和研究。另外
5、，本文以外部存儲的參數(shù)適應(yīng)擬仿射變換協(xié)同進(jìn)化算法為主體，還開發(fā)出了一個參數(shù)獨(dú)立的黑盒優(yōu)化工具，用以解決各類單目標(biāo)實參的非線性非凸的目標(biāo)函數(shù)優(yōu)化問題。本文的主要研究內(nèi)容及成果有以下幾點(diǎn)：本文提出了一種解決低維度單目標(biāo)實參優(yōu)化的潮汐魚算法，并在其基礎(chǔ)上提出了解決較高維度復(fù)雜優(yōu)化的模因?qū)O悟空進(jìn)化算法。潮汐魚算法是為了解決粒子集群優(yōu)化算法在低維度優(yōu)化中收斂速度過慢的問題而提出的，而孫悟空算法進(jìn)一步強(qiáng)化了潮汐魚算法的優(yōu)化能力。孫悟空算法有三個版本，第一版的孫悟空算法通過引入尺度因子增強(qiáng)了潮汐魚算法的全局優(yōu)化能力，但其
6、在較高維度優(yōu)化中的表現(xiàn)仍然較差。第二版的孫悟空算法通過引入差分向量的方式增強(qiáng)了第一版孫悟空算法的局部搜索能力，實現(xiàn)了較高維度優(yōu)化問題的較好求解。但前述算法中的個體都存在兩種搜索方式，這使得個體間的協(xié)同能力較差。故最終版的孫悟空算法通過把種群中所有個體都強(qiáng)化為最強(qiáng)個體的方式，實現(xiàn)了種群個體間的均等，同時通過引入一個協(xié)同進(jìn)化矩陣，實現(xiàn)了種群個體間的協(xié)同搜索，并在高維度復(fù)雜優(yōu)化中取得了很好的優(yōu)化效果。實驗結(jié)果表明，潮汐魚算法和最終版的模因?qū)O悟空進(jìn)化算法克服了粒子集群優(yōu)化算法中“走兩步、退一步”缺陷所導(dǎo)致的在解決低
7、維度簡單優(yōu)化和較高維度復(fù)雜優(yōu)化中收斂過慢的問題，取得了更好的優(yōu)化效果。本文提出了一種先進(jìn)的參數(shù)適應(yīng)學(xué)習(xí)機(jī)制的差分進(jìn)化算法，該算法通過把不同控制參數(shù)分組并進(jìn)行適應(yīng)性學(xué)習(xí)的方式，消弭了幾種先進(jìn)的差分進(jìn)化算法–I–哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文中參數(shù)之間的誤導(dǎo)性影響；同時該算法通過在外部存儲的變異策略中引入時間戳機(jī)制克服了外部存儲變異策略中次等解常駐外存的缺陷，加強(qiáng)了變異策略中外部存儲的次等解的多樣性，取得了更好的優(yōu)化效果。實驗表明，參數(shù)適應(yīng)學(xué)習(xí)機(jī)制的差分進(jìn)化算法實現(xiàn)了在單目標(biāo)的實參的高維度復(fù)雜優(yōu)化問題中的又好又
8、快收斂，其整體優(yōu)化效果好于近年來在相關(guān)優(yōu)化競賽中奪魁的差分進(jìn)化算法的先進(jìn)變體。本文提出了一種擬仿射變換的協(xié)同進(jìn)化架構(gòu)——QUATRE架構(gòu)及基于此架構(gòu)的QUATRE算法。從個體進(jìn)化的實現(xiàn)方式看，QUATRE算法是模因?qū)O悟空進(jìn)化算法的拓展升級，也克服了粒子集群優(yōu)化算法中“走兩步、退一步”缺陷所導(dǎo)致的收斂過慢的問題；從進(jìn)化中個體的移動方式看，QUATRE算法還屬于一種更少參數(shù)的差分進(jìn)化算法，并克服了差分進(jìn)化算法中存在的
