并行与双系统协同差异进化算法及其应用

并行与双系统协同差异进化算法及其应用

论文摘要

协同进化算法(CEA)是人们受自然界生物协同进化现象的启发而提出一种新的优化算法,近年来协同进化算法已逐渐成为进化算法领域的一个重要研究方向,为解决复杂优化问题提供了有效的途径。协同进化算法也是求解工程系统优化问题的一种有效方法,被称为工程系统设计方法,逐渐引起工程领域的广泛关注。协同进化算法基本思想是采用多个种群协同进化,个体适应度的评价通过与其它种群的协同来完成。根据种群间协同关系,协同进化算法分为竞争型和合作型两类。本文主要研究的是合作型协同进化算法(CCEA),合作型协同进化算法求解高维优化问题时显示出了较好的计算性能,但是还存在不足。本文重点研究其中的两个问题:一是如何更好的实现CCEA并行计算,进一步提高CCEA的计算精度和效率;二是针对CCEA求解强耦合问题(尤其是对于不可分问题)能力不足,如何提高其求解强耦合问题的能力。为此,本对协同进化算法及其求解强耦合问题的能力进行了研究,提出了一种并行协同差异进化算法(PCCDE)和一种双系统协同差异进化算法(DCCDE),同时对提高DCCDE求解强耦合优化问题能力进行了研究。论文的主要工作如下:(1)针对合作型协同进化算法求解大规模优化问题需要并行高效的计算,本文基于协同差异进化算法(CCDE)和整体同步并行计算模型(BSP),提出了一种并行协同差异进化算法(PCCDE)。采用改进的Archive协同机制取代了CCDE原有的协同机制,有助于求解系统最优解,基于BSP模型实现了CCDE的并行高效计算。最后经标准测试函数仿真实验结果表明,本算法不仅提高计算效率,而且也提高了计算质量。(2)针对合作式协同进化算法求解耦合优化问题能力不足,本文基于双系统变粒度协同进化算法(DVGCCGA)提出一种双系统协同差异进化算法(DCCDE)。本文算法采用双系统框架,双系统之间个体迁移通过子系统之间子个体迁移实现。本文算法改进了DVGCCGA算法的协调机制,用高效的全局搜索差异进化算法(DE)取代了遗传算法(GA),并辅以简单交叉局部搜索策略,提高DCCDE计算性能。为提高DCCDE求解耦合问题的能力,本文从变量分组,协调机制和提高算法解空间探索能力三方面进行了研究。经20个部分可分和完全不可分测试函数验证,与同类算法比较本文算法具有较好的计算精度和收敛速度,同时也表明基于CCDE框架的算法对于求强解耦合优化问题具有很大的潜力和发展前途。(3)通过卫星舱布局优化数值仿真实验表明,本文PCCDE和DCCDE算法能够取得令人满意的优化结果。本文算法不仅可用于高维函数优化问题求解,也可用于一类复杂布局优化设计求解,本文工作期望有助于协同进化算法在耦合工程系统中应用,也有助于协同进化算法的理论研究。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题研究背景
  • 1.2 协同进化算法研究进展
  • 1.2.1 竞争型协同进化算法研究进展
  • 1.2.2 合作型协同进化算法研究进展
  • 1.2.3 协同进化算法面临的困难
  • 1.3 本论文的主要工作
  • 1.4 论文章节内容安排
  • 2 差异进化算法与协同进化算法概述
  • 2.1 差异进化算法
  • 2.1.1 标准差异进化算法
  • 2.1.2 差异进化算法的变异策略
  • 2.1.3 差异进化算法的研究现状
  • 2.2 协同进化算法
  • 2.2.1 协同进化算法概述
  • 2.2.2 合作型协同进化算法模型
  • 2.3 系统变粒度协同进化算法
  • 2.4 小结
  • 3 并行协同差异进化算法
  • 3.1 CCDE问题的分解与协调
  • 3.1.1 高维优化问题分解
  • 3.1.2 CCDE子种群间协调机制
  • 3.2 基于Archive机制的合作个体选择协调机制
  • 3.3 本文并行CCDE算法
  • 3.3.1 BSP并行计算模型
  • 3.3.2 并行CCDE算法框架
  • 3.3.3 PCCDE算法时间复杂度分析
  • 3.4 高维优化函数算例验证
  • 3.4.1 实验函数和参数设置
  • 3.4.2 数值实验结果
  • 3.4.3 结果分析与讨论
  • 3.5 小结
  • 4 双系统协同差异进化算法及其求解耦合问题的能力
  • 4.1 CCEA求解耦合问题能力
  • 4.2 双系统协同差异进化算法
  • 4.2.1 问题分解方式
  • 4.2.2 DCCDE的协同机制和A、B系统间的协作
  • 4.2.3 改进算法的空间探索能力
  • 4.2.4 双系统协同差异进化算法流程
  • 4.3 算法性能测试实验
  • 4.3.1 测试函数
  • 4.3.2 实验设置
  • 4.3.3 实验结果及分析
  • 4.4 小结
  • 5 卫星舱布局优化设计实例验证
  • 5.1 卫星舱布局优化问题概述
  • 5.2 卫星舱布局优化计算模型
  • 5.2.1 卫星舱布局问题设计约束
  • 5.2.2 卫星舱布局问题优化数学模型
  • 5.3 卫星舱布局优化计求解方法
  • 5.4 卫星舱布局算例
  • 5.4.1 实验设置
  • 5.4.2 实验结果
  • 5.4.3 结果对比与分析
  • 5.5 小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  ;  

    并行与双系统协同差异进化算法及其应用
    下载Doc文档

    猜你喜欢