动态差分进化算法及其应用PDF电子书下载

第1章 概述 1

1.1 引言 1

1.2 差分进化算法 2

1.2.1 差分变异操作 3

1.2.2 交叉操作 4

1.2.3 选择操作 5

1.2.4 DE工作原理与算法流程 5

1.3 差分进化算法家族 7

1.4 差分进化算法的收敛性分析 8

1.5 动态差分进化算法 9

1.5.1 动态差分进化算法原理 9

1.5.2 DDE的收敛性分析 10

1.5.3 DDE与DE的比较分析 11

1.6 本章小结 15

参考文献 15

第2章 改进变异算子差分进化算法 18

2.1 最优排序变异差分进化算法 18

2.1.1 最优排序变异算子 18

2.1.2 数值分析 18

2.1.3 IDE在资源受限项目调度问题中的应用 21

2.2 自适应二次变异差分进化算法 27

2.2.1 差分进化算法的早熟收敛分析 27

2.2.2 算法设计 28

2.2.3 算法性能分析 31

2.2.4 基于ASMDE的PID控制器参数整定 33

2.3 求解混合整数非线性规划问题的改进差分进化算法 39

2.3.1 MINP问题描述 40

2.3.2 改进的差分进化算法 40

2.3.3 算法流程 42

2.3.4 实验研究 43

2.4 本章小结 45

参考文献 45

第3章 参数自适应差分进化算法 48

3.1 引言 48

3.2 基于个体适应度的参数自适应差分进化算法 49

3.2.1 参数自适应控制策略 49

3.2.2 缩放因子F的自适应策略 49

3.2.3 交叉概率CR的自适应策略 50

3.2.4 实验研究 50

3.2.5 基于SAMDE的机械手轨迹规划 53

3.4 自学习参数自适应差分进化算法 55

3.4.1 自学习参数自适应策略 55

3.4.2 数值分析 57

3.4.3 基于PSLMDE的电力系统负荷分配 58

3.4.4 PED问题的PSLMDE求解方法 59

3.4.5 算例分析 61

3.5 本章小结 64

参考文献 65

第4章 多变异模式差分进化算法 66

4.1 引言 66

4.2 双群体伪并行差分进化算法 66

4.2.1 DSPPDE算法 67

4.2.2 基于平均熵的初始化 67

4.2.3 实验研究 69

4.3 DSPPDE算法在非线性系统参数估计中的应用 71

4.3.1 模型参数估计问题描述 71

4.3.2 应用实例 72

4.4 引入模拟退火策略的自适应组合差分进化算法 74

4.4.1 非固定多段映射罚函数法 75

4.4.2 自适应组合差分进化算法 76

4.4.3 算法流程 77

4.4.4 数值分析 77

4.5 一种自适应变异差分进化算法 81

4.5.1 自适应变异算子 81

4.5.2 实验分析 82

4.5.3 应用实例 82

4.6 本章小结 88

参考文献 89

第5章 单纯形混合差分进化算法 91

5.1 引言 91

5.2 混合单纯形差分进化算法 91

5.2.1 单纯形算法 91

5.2.2 混合单纯形差分进化算法 92

5.3 实验结果 94

5.3.1 HNMDE参数敏感性分析 94

5.3.2 HNMDE与DE的比较 96

5.4 基于HNMDE的硬盘驱动伺服系统参数估计 98

5.4.1 问题描述 98

5.4.2 基于HNMDE的磁头位置驱动控制系统参数估计 100

5.5 本章小结 103

参考文献 103

第6章 基于拥挤熵多样性保持的多目标差分进化算法 106

6.1 引言 106

6.2 多目标优化的基本概念 108

6.3 参数自适应策略 109

6.4 精英存档和多样性保持 111

6.4.1 外部精英存档 111

6.4.2 基于拥挤熵的多样性测量 111

6.5 MOSADDE算法 113

6.5.1 占优选择算子 113

6.5.2 约束处理 113

6.5.3 算法实现 114

6.5.4 算法计算复杂度 114

6.6 实验结果 114

6.6.1 测试问题组 114

6.6.2 性能指标 115

6.6.3 自适应控制参数策略有效性测试 117

6.6.4 MOSADDE与其他MOEA的比较 118

6.6.5 MOSADDE与其他MODE的比较 124

6.7 基于MOSADDE的环境经济负荷分配多目标优化 129

6.7.1 问题背景 129

6.7.2 问题描述 130

6.7.3 基于模糊理论的最优折中解提取 131

6.7.4 实验结果及其分析 132

6.8 本章小结 139

参考文献 140

第7章 最近邻距离多样性保持的多目标差分进化算法 144

7.1 引言 144

7.2 参数自适应策略 145

7.3 归一化最近邻域距离 145

7.4 MOSADDE-Ⅱ算法 147

7.4.1 变异算子中best个体的选择 147

7.4.2 算法实现 147

7.4.3 算法计算复杂度 149

7.5 实验结果 149

7.5.1 测试问题组 149

7.5.2 控制参数自适应策略有效性测试 150

7.5.3 MOSADDE-Ⅱ与MOSADDE及其他MOEA的比较 151

7.6 基于MOSADDE-Ⅱ的混合动力汽车优化设计 159

7.6.1 引言 159

7.6.2 HEV优化设计参数 162

7.6.3 PHEV多目标优化模型 164

7.6.4 优化结果及其分析 166

7.7 本章小结 176

参考文献 177

第8章 基于差分进化算法的动态多目标优化 180

8.1 引言 180

8.2 动态多目标优化问题数学描述 182

8.3 动态多目标差分进化算法 183

8.3.1 动态环境检测 183

8.3.2 种群多样性保持 183

8.3.3 算法实现 185

8.4 动态多目标优化测试问题 185

8.5 实验结果及性能分析 190

8.5.1 动态性能指标 190

8.5.2 环境改变频率对算法性能的影响分析 191

8.5.3 参数pl对算法性能的影响分析 193

8.5.4 测试结果及比较分析 193

8.6 本章小结 199

参考文献 200

第9章 基于差分进化算法的双层多目标优化 201

9.1 引言 201

9.2 双层多目标优化问题数学描述 202

9.3 双层多目标动态差分进化算法 202

9.3.1 进化种群结构 203

9.3.2 下层多目标差分进化算法 204

9.3.3 上层多目标差分进化算法 205

9.3.4 算法计算复杂度分析 207

9.4 双层多目标优化测试问题 207

9.5 实验结果及其分析 214

9.5.1 算法的参数选择和分析 214

9.5.2 实验结果 215

9.6 本章小结 218

参考文献 219

附录A 单目标优化Benchmark测试函数 220

附录B 多目标优化Benchmark测试函数 224

附录C IEEE30-和118-bus测试系统线损B系数 229