差分演化算法及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

差分演化算法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 演化算法与优化计算1

1.1 优化计算1

1.1.1 一般性描述1

1.1.2 优化问题描述1

1.2 演化算法2

1.2.1 一般性描述2

1.2.2 遗传算法2

1.2.3 演化策略3

1.2.4 演化规划5

1.2.5 差分演化算法5

1.2.6 粒子群算法6

1.3 小结6

第2章 差分演化算法8

2.1 差分演化算法的提出8

2.2 基本差分演化算法8

2.2.1 算法简介8

2.2.2 算法基本流程9

2.2.3 一个简单的例子13

2.3 控制参数对算法性能的影响15

2.4 差分演化算法的优缺点15

2.4.1 优点15

2.4.2 不足之处16

2.5 DE与其他演化算法的异同16

2.5.1 相似之处16

2.5.2 不同之处16

2.6 小结17

第3章 差分演化算法研究进展19

3.1 控制参数与自适应差分演化算法19

3.1.1 DE控制参数19

3.1.2 参数自适应DE19

3.1.3 代表性自适应DE算法：jDE和JADE20

3.2 混合差分演化算法24

3.2.1 DE与局部搜索算法结合24

3.2.2 DE与其他全局优化算法结合25

3.2.3 代表性混合DE算法：DEahcSPX和ODE25

3.3 多策略差分演化算法28

3.3.1 一般性介绍28

3.3.2 TDE算法29

3.3.3 DE/rand/1/either-or算法29

3.3.4 DEGL算法29

3.3.5 SaDE算法30

3.4 复杂环境下差分演化算法研究33

3.4.1 多目标函数优化33

3.4.2 约束函数优化34

3.4.3 多峰函数优化35

3.4.4 大规模函数优化35

3.5 离散差分演化算法36

3.5.1 二进制差分演化算法36

3.5.2 整型差分演化算法36

3.6 差分演化算法的应用36

3.7 小结37

第4章 正交差分演化算法48

4.1 相关工作48

4.2 正交设计49

4.3 正交差分演化算法——ODE49

4.3.1 正交杂交算子49

4.3.2 决策向量分块策略50

4.3.3 混合自适应杂交变异算子51

4.3.4 简化缩放因子52

4.3.5 正交差分演化算法52

4.4 实验结果与分析53

4.4.1 实验环境及参数设置53

4.4.2 测试函数53

4.4.3 实验结果53

4.4.4 结果分析56

4.5 小结57

第5章 基于BBO的混合差分演化算法58

5.1 生物地理学优化算法58

5.2 DE/BBO算法59

5.2.1 研究动机59

5.2.2 混合杂交算子59

5.2.3 自变量越界处理60

5.2.4 算法流程60

5.3 实验结果与分析61

5.3.1 测试函数集61

5.3.2 实验参数设置62

5.3.3 评价准则63

5.3.4 实验结果64

5.3.5 实验结果讨论72

5.4 小结73

第6章 基于聚类的混合差分演化算法75

6.1 K均值聚类算法75

6.2 相关研究76

6.3 CDE算法77

6.3.1 一步K均值聚类算法77

6.3.2 群体更新策略77

6.3.3 群体聚类周期78

6.3.4 算法流程78

6.4 实验结果与分析79

6.4.1 参数设置79

6.4.2 评价准则79

6.4.3 CDE与DE算法的性能比较80

6.4.4 聚类周期的影响83

6.4.5 聚类簇数目的影响83

6.4.6 距离评价准则的影响85

6.4.7 与已有算法的比较86

6.5 小结88

第7章 多策略自适应差分演化算法91

7.1 多策略自适应机制91

7.1.1 研究动机91

7.1.2 基本思想92

7.1.3 策略库的选取92

7.1.4 参数自适应机制93

7.2 SaJADE算法93

7.2.1 算法的基本流程93

7.2.2 与其他类似算法的区别95

7.2.3 算法的复杂度分析95

7.3 实验结果与分析95

7.3.1 测试函数的集95

7.3.2 实验参数的设置96

7.3.3 不同多策略自适应方法的比较96

7.3.4 与其他差分演化算法的比较97

7.3.5 与已发表结果的比较102

7.3.6 多策略自适应分析103

7.3.7 算法的简单性分析104

7.3.8 实验结论104

7.4 小结105

第8章 基于ε占优的正交多目标差分演化算法107

8.1 相关工作107

8.1.1 问题描述107

8.1.2 多目标演化算法108

8.1.3 正交设计在EA中的应用108

8.1.4 基于ε占优方法的MOEAs109

8.2 ε-ODEMO算法109

8.2.1 正交初始群体109

8.2.2 混合选择机制110

8.2.3 非劣解存储111

8.2.4 ε-ODEMO算法的流程111

8.3 实验结果与分析113

8.3.1 测试函数集113

8.3.2 参数设置113

8.3.3 评价准则114

8.3.4 实验结果114

8.3.5 CR取值对算法性能的影响117

8.3.6 混合选择机制性能验证118

8.4 小结119

第9章 正交多目标差分演化算法在工程优化中的应用121

9.1 研究背景121

9.2 改进的ε-ODEMO算法122

9.2.1 Archive群体更新122

9.2.2 约束函数处理技术122

9.2.3 paε-ODEMO算法的流程123

9.3 实验结果与分析125

9.3.1 参数设置125

9.3.2 评价准则125

9.3.3 标准约束多目标优化函数125

9.3.4 参数敏感性测试127

9.3.5 工程优化实例130

9.4 小结135

第10章 基于DE的演化Kalman滤波器137

10.1 相关研究137

10.2 演化Kalman滤波138

10.2.1 适应值函数设计138

10.2.2 个体编码及解码139

10.2.3 约束条件140

10.2.4 搜索空间140

10.2.5 停机条件141

10.2.6 演化Kalman滤波算法141

10.3 仿真实验142

10.3.1 仿真实例142

10.3.2 参数设置142

10.3.3 仿真结果143

10.3.4 结果分析144

10.4 小结145

第11章 基于差分演化算法的聚类分析147

11.1 相关研究147

11.1.1 问题定义147

11.1.2 演化聚类算法148

11.1.3 点对称距离标准151

11.2 点对称差分演化聚类分析算法152

11.2.1 改进的点对称距离标准153

11.2.2 个体表示154

11.2.3 适应值的计算154

11.2.4 错误个体的处理155

11.3 实验结果与分析155

11.3.1 参数设置155

11.3.2 实验数据集155

11.3.3 评价准则155

11.3.4 实验结果157

11.3.5 CR对算法的影响159

11.3.6 实验结论162

11.4 小结163

第12章 总结与展望165

12.1 本书总结165

12.2 差分演化算法的研究展望167

附录1 差分演化算法C＋＋源程序168

F1.1 CIndividual类168

F1.1.1 头文件Individual.h168

F1.1.2 实现文件Individual.cpp169

F1.2 CRand类172

F1.2.1 头文件Rand.h172

F1.2.2 实现文件Rand.cpp172

F1.3 CProblemDef类177

F1.3.1 头文件ProblemDef.h177

F1.3.2 实现文件ProblemDef.cpp177

F1.4 CDE类179

F1.4.1 头文件DE.h179

F1.4.2 实现文件DE.cpp181

F1.5 主文件main.cpp190

附录2 无约束单目标优化函数192

F2.1 函数192

F2.2 一些函数图形195

附录3 多目标优化函数198

F3.1 无约束多目标测试函数198

F3.2 约束多目标测试函数199

F3.2.1 标准测试函数199

F3.2.2 工程优化实例201