基于离散变异控制参数的自适应差分进化算法任务书-任务书网

1. 毕业设计（论文）主要目标：

目前的解决方法主要是增加种群的规模，但这样会增加算法的运算量，而且也不能从根本上克服早熟收敛的问题。

因此，为提高DE的性能，迫切需要一些方法来改进传统的DE所存在的缺陷。

差分进化(Differential evolution， DE)算法是一种采用浮点矢量编码在连续空间中进行随机搜索的优化算法。DE是根据父代个体间的差分矢量进行变异、交叉和选择操作，与其他进化算法(如遗传算法)一样易陷入局部最优，存在早熟收敛现象。主要研究内容如下：

1）分析差分进化算法的演化过程

2）探索控制参数和变异策略，并设计与DE算法相符合的控制参数与相应的策略，设计基于离散变异控制参数的自适应差分进化算法

3）使用测试函数测试改进后算法的性能，并与相应的算法比较

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

[1] 薛羽，庄毅，顾晶晶，常相茂，王洲. 自适应离散差分进化算法策略的选择.软件学报，2014，25(5):984-996.http://www.jos.org.cn/1000-9825/4448.htm

[2] 孔祥勇，高立群，欧阳海滨，邵煜博. 双向随机多策略变异的自适应差分进化算法[J].计算机集成制造系统，2014，20(8)

[3] 张雪霞，陈维荣，戴朝华. 带局部搜索的动态多群体自适应差分进化算法及函数优化[J].电子学报，2010(8)

[4] 汪慎文，张文生，丁立新，谢承旺，郭肇禄. 差分进化算法中参数自适应选择策略研究[J].计算机科学，2015，42(11)

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。