基本差分進化算法_第1頁
基本差分進化算法_第2頁
基本差分進化算法_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、基本差分進化算法(1初)始化。利用個維數為的實數值參數向量作為每一代的種群，每個個體表示為：式中：個體在種群中的序列；進化代數；種群規模，在最小化過程中保持不變。為了建立優化搜索的初始點，種群必須被初始化。通常尋找初始種群的一個方法是從給定邊界約束內的值中隨機選擇。在研究中,一般假定對所有隨機初始化種群均符合均勻概率分布。設參數變量的界限為X(L)XX(U)，則：jjjXrand(0,1)(X(u)X(l)+X(l)(=，ji,0jjj式中：，在0之間產生的均勻隨機數。如果預先可以得到問題的初步解，初始種群也可以通過對初步解加入正態分布隨機偏差來產生，這樣可以提高重建效果。變異。對于每個目標向

2、量，基本算法的變i，G異向量如下產生：vX+F(xx)()i,G+1r1,Gr2,Gr3,G其中，隨機選擇的序號1和互不相同，且1和與目標向是一個實量序號也應不同，所以須滿足三4變異算子e常數因數，控制偏差變量的放大作用。(3交)叉。為了增加干擾參數向量的多樣性，引入交叉操作。則試驗向量變為：u=(u,uu)()i,G11i,G12i,G1Di,G1卩如果randb(j)CR或者j-rnbr(i)u=CR且jrnbr(i)ji,G+1式中：產生，之間隨機數發生器的第個估計值；e,一選擇的序列，用它來確保u至少從ui,G+1i,G+1獲得一個參數；一一交叉算子，取值范圍為，。（4選）擇。為決定試

3、驗向量u，是否會成為下一代中的成員，按照貪婪i,G+1準則將試驗向量與當前種群中的目標向量進行比較。如果目標函數要被最小化，那么具有較小目標函數值的向量將在下一代種群中贏得一席地位。下一代中的所有個體都比當前種群的對應個體更佳或者至少一樣好。注意在選擇程序中試驗向量只與一個個體相比較，而不是與現有種群中的所有個體相比較。邊界條件的處理。在有邊界約束的問題中，確保產生新個體的參數值位于問題的可行域中是必要的，一個簡單方法是將不符合邊界約束的新個體用在可行域中隨機產生的參數向量代替。即：若ux(L)或者ux(U)，那么：TOC o 1-5 h zji,G+1jji,G+1jurandj0,1(x(u)一x(l)+x(l)，(=，ji，G，1jjj另外一個方法是

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論